二叉树作为一个基础的数据结构，遍历算法作为一个基础的算法，两者结合当然是经典的组合了。
二叉数的遍历主要有前中后遍历和层次遍历。 前中后属于 DFS，层次遍历属于 BFS。 DFS 和 BFS 都有着自己的应用
下面主要讨论各种遍历的迭代实现方式
前序遍历
这个是遍历是比较简单的，遍历的顺序为根-左-右，可以把这种遍历方式为一个“一人吃饱全家不饿”的人。
拿到一个这个人（根节点），他首先想的是我要出栈；
出栈完了之后，在想到我的左右节点，由于栈先进后出，所以如果我有右节点则入栈，如果有左节点再继续入栈。
等到我的左节点上位（准备出栈）以后，当然继续让它自己出栈，接着在看它的左右节点。
实现如下：
#迭代方法
def preorderTraversal(self,root):
res=[]
stack=[root]
while stack:
node=stack.pop()
res.append(node.val)
if node.right!=None :stack.append(node.right)
if node.left!=None :stack.append(node.left)
return res
中序遍历
中序遍历的顺序为左-根-右，可以看做是一个偏心与左孩子的家长。
这个家长刚上位（入栈）之后，首先要考虑的是它的左孩子，要尽快让它的左孩子上位（入栈）。
左孩子上位后考虑的还是它的左孩子，所以最左侧的边界处的节点都入栈了。
如果没有左孩子，就再考虑自己，让自己出栈，然后考虑右孩子，到了右孩子之后，右孩子考虑的孩子还是它自己的左孩子。
所以中序遍历要比前序遍历要复杂一点，主要出栈以后，下一个需要考虑的是它的直接右节点node，接下来继续考虑的是node的左节点。
def inorderTraversal(self,root):
res=[]
stack=[root]
left=root.left
#左节点全部先入栈——根节点最左侧节点（最左边界处的节点）
while left!=None:
stack.append(left)
left=left.left
#从栈中拿出节点
#1.拿出来的节点查看还有没有右侧节点
#2.有右侧节点的，先把他的左侧边界节点入栈
while stack:
node=stack.pop()
res.append(node.val)
t=node.right
while t:
stack.append(t)
t=t.left
return res
后序遍历
后续遍历的顺序为左-右-根，可以看做是一个无私的家长
这个家长首先考虑的是让他的左孩子和右孩子都入栈（先入栈右孩子，再入栈左孩子）。
当一个节点没有左孩子和右孩子的时候，可以开始第一次出栈，出栈以后当然要看栈中的下一个元素是否有右孩子，如果有，是否输出过了呢？
所以要设置一个变量，来记录上一个输出的是不是它的孩子（不用纠结是左孩子还是右孩子，因为父节点在栈中的位置总是比所有孩子更深），如果上一个输出的是它的孩子，说明它的孩子都已经出栈了，它就可以出栈了。
如果是叶子节点，让然可以直接出栈。
def postorderTraversal(self,root):
if root==None:
return
res=[]
stack=[root]
p=root #标识元素，用来判断节点是否“刚才”已经遍历过
while stack:
top=stack[-1]
#该出栈元素——子节点已经遍历过了 或 为叶子节点
if top.left==p or top.right==p or (top.left==None and top.right==None):
p=stack.pop()
res.append(p.val)
#该入栈元素——先入栈右节点，在入栈当前节点左节点，是并列的
else:
if top.right:
stack.append(top.right)
if top.left:
stack.append(top.left)
return res
小结
入栈：
- 前序：刚开始入栈一个root元素就够了，自己可以进行输出，输出后将右孩子和左孩子入栈
- 中序：得把左侧边界节点开始入栈，并从最左节点开始出栈
- 后序：得把当前节点的右孩子入栈和左孩子入栈，进而把左节点的右孩子和左孩子入栈，尽管开始出栈的元素和中序遍历相同，但栈中元素不同。
出栈：
- 前序：出栈后，就在继续把栈中下一个元素出栈，接着将右、左节点入栈。
- 中序：出栈后，遇到下一个节点，首先看这个节点的左孩子，如果有则将左孩子入栈。
- 后序：出栈后，查看栈中下一个元素是否具有孩子节点，如果有，按照上述入栈书序进行入栈。
