class treenode 定义节点时需确保 val、left、right 均有默认值（left/right 为 none），仅作数据容器；查找由外部函数实现，依赖递归天然匹配 bst 决策结构，平均深度 o(log n)，边界验证须覆盖 none 根、不存在值、叶子节点三种情况。
如何定义支持递归查找的二叉搜索树节点类
直接用 class TreeNode 定义节点，但必须确保左右子节点默认为 None，且不强制要求初始化时传入值——否则递归插入或查找时容易因属性缺失抛出 AttributeError: 'NoneType' object has no attribute 'val'。
关键点在于：节点本身不承担查找逻辑，只做数据容器；查找行为由外部函数或树类封装，但必须依赖节点结构保持 BST 性质（左子树所有值
-
val存数值，类型建议保持一致（如全为int或全为float），避免比较时触发TypeError -
left和right必须显式初始化为None，不能省略或设为0/False - 不要在
__init__里做递归操作（如自动插入子节点），会破坏构造的可控性
递归查找函数怎么写才不会栈溢出或漏判
递归查找本质是二分路径裁剪，每次只进一个子树。常见错误是忘记处理 root is None 的边界，导致 None.val 访问；或条件分支写成 if val 这种“短路+访问”混合，依然可能触发空指针。
正确写法是先判空，再比大小，最后单向递归：
def search_bst(root, val):
if root is None:
return None
if root.val == val:
return root
if val
- 必须把
root is None放在最前，这是所有递归终止的兜底 - 不要用
elif把三个分支串起来——最后一个分支必须是else或无条件return，否则 Python 可能隐式返回None，造成查到值却返回空 - 该函数不修改树结构，所以无需考虑线程安全或可重入问题，但深度过大（>1000 层）时可能触发
RecursionError，生产环境建议加深度计数或转迭代
为什么用递归而不是循环实现查找更自然
BST 查找的每一步决策（走左/右/命中）完全由当前节点决定，无状态累积，和递归的“子问题同构”特性天然匹配。循环写法虽可行，但需手动维护栈或指针变量，反而增加理解成本和出错概率。
比如等价的迭代版本需要显式管理 current 引用，并重复写 while current: 和 current = current.left 等语句——一旦漏掉某处赋值，就会陷入死循环或提前退出。
- 递归版本逻辑密度高，5 行内完成全部判断，符合 BST 的数学直觉
- CPython 对尾递归无优化，但 BST 平均查找深度为
O(log n)，实际很少超过百层，不必过早担心性能 - 若树严重不平衡（退化为链表），递归深度 = 节点数，此时应优先重构树（如转 AVL），而非改用循环“掩盖”设计缺陷
自定义节点类后，如何验证查找逻辑没被破坏
最容易被忽略的是：节点类定义完，没配好树的入口点。比如构建树时用了 root = TreeNode(5); root.left = TreeNode(3)，但忘了把 root.right 设为 None，后续查找时若误判非空而递归进去，就会崩。
验证重点不在“能不能跑”，而在“边界是否稳”：
- 查
None根节点 → 返回None，不报错 - 查不存在的值（如最小值减 1）→ 返回
None，不抛异常 - 查叶子节点值 → 返回该节点对象，
.left和.right确实为None - 用
is判断返回值是否为原始节点（而非新建副本），确认引用未被意外替换
真正麻烦的不是写对一次查找，而是后续增删节点时，仍维持 BST 结构不变——那需要另外实现插入和删除的递归逻辑，且必须严格遵守“左小右大”规则，稍有偏差，search_bst 就会开始返回错误结果。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
