一. 审题
面试题:
给定一个 RootView,打印其内 View Tree 的每个 View。
在 Android 下,UI 的布局结构,对标到数据结构中,本质就是一个由 View 和 ViewGroup 组成的多叉树结构。其中 View 只能作为叶子节点,而 ViewGroup 是可以存在子节点的。
上图就是一个典型的 ViewTree 的结构,而想要遍历这个 ViewTree,还需要用到两个 ViewGroup 的方法。
getChildCount()
:获取其子 View 的个数。getChildAt(int)
:获取对应索引的子 View。
对于 View,无需过多处理,直接打印输出即可。而 ViewGroup,除了打印自身的这个节点之外,还需要打印其子节点。
二. 解题的三种实现
2.1 递归实现
当一个大问题,可以被拆分成多个小问题,并且分解后的小问题,和大问题相比,只是数据规模不同,求解思路完全一致的问题,非常适合递归来实现。
fun recursionPrint(root: View) {
printView(root)
if (root is ViewGroup) {
for (childIndex in 0 until root.childCount) {
val childView = root.getChildAt(childIndex)
recursionPrint(childView)
}
}
}
fun recursionPrint(root: View) {
printView(root)
if (root is ViewGroup) {
for (childIndex in 0 until root.childCount) {
val childView = root.getChildAt(childIndex)
recursionPrint(childView)
}
}
}
递归确实可以很清晰的实现功能,但是它有一个致命的问题,当递归深度过深的时候,会爆栈。反应在程序上,就是会抛出 StackOverflowError
这个异常。
面试的时候,面试者解决问题的思路,使用了递归思想,通常都会很自然的问问 JVM 的栈帧,以及为什么会出现 StackOverflowError 异常。
当然这不是本文的重点,大家了解一下即可。
简单来说,每启动一个线程,JVM 都会为其分配一个 Java 栈,每调用一个方法,都会被封装成一个栈帧,进行压栈操作,当方法执行完成之后,又会执行弹栈操作。而每个栈帧中,当前调用的方法的一些局部变量、动态连接,以及返回地址等数据。
Java 栈和数据结构的栈结构一样,有两个操作,压栈(入栈)、弹栈(出栈),是一个先入后出(FILO)的结构。这一块的东西,延伸出来就比较多了,你可以简单的理解为调用方法就会压栈,方法执行完会弹栈。
每次方法的调用,执行压栈的操作,但是每个栈帧,都是要消耗内存的。一旦超过了限制,就会爆掉,抛出 StackOverflowError。
递归的代码确实清晰简单,但是问题不少。面试官也不担心面试者写递归代码,后续可以有一连串问题等着。
2.2 广度优先实现
前面也提到,这道题本质上就是数据结构中,多叉树的遍历。那最先想到的就是深度优先和广度优先两种遍历策略。
我们先来看看广度优先的实现
广度优先的过程,就是对每一层节点依次访问,访问完了再进入下一层。就是按树的深度,一层层的遍历访问。
ABCDEFGHI 就是上图这个多叉树,使用广度优先算法的遍历结果。
广度优先非常适合用先入先出的队列来实现,每次子 View 都入队尾,而从对头取新的 View 进行处理。
代码如下:
fun breadthFirst(root :View){
val viewDeque = LinkedList<View>()
var view = root
viewDeque.push(view)
while (!viewDeque.isEmpty()){
view = viewDeque.poll()
printView(view)
if(view is ViewGroup){
for(childIndex in 0 until view.childCount){
val childView = view.getChildAt(childIndex)
viewDeque.addLast(childView)
}
}
}
}
fun breadthFirst(root :View){
val viewDeque = LinkedList<View>()
var view = root
viewDeque.push(view)
while (!viewDeque.isEmpty()){
view = viewDeque.poll()
printView(view)
if(view is ViewGroup){
for(childIndex in 0 until view.childCount){
val childView = view.getChildAt(childIndex)
viewDeque.addLast(childView)
}
}
}
}
这里直接利用 LinkedList
来实现队列,它本身就实现了双端队列 Deque
接口。
2.3 深度优先实现
说完广度深度,再继续看看深度优先。
深度优先的过程,就是对每个可能的分支路径,深度到叶子节点,并且每个节点只访问一次。
ADIHCBGFE 就是上图这个多叉树,使用深度优先算法的遍历结果。
在实现上,深度优先非常适合用先入后出的栈来实现。逻辑不复杂,直接上执行时,栈的数据变换。
代码实现如下:
fun depthFirst(root :View){
val viewDeque = LinkedList<View>()
var view = root
viewDeque.push(view)
while (!viewDeque.isEmpty()){
view = viewDeque.pop()
printView(view)
if(view is ViewGroup){
for(childIndex in 0 until view.childCount){
val childView = view.getChildAt(childIndex)
viewDeque.push(childView)
}
}
}
}
fun depthFirst(root :View){
val viewDeque = LinkedList<View>()
var view = root
viewDeque.push(view)
while (!viewDeque.isEmpty()){
view = viewDeque.pop()
printView(view)
if(view is ViewGroup){
for(childIndex in 0 until view.childCount){
val childView = view.getChildAt(childIndex)
viewDeque.push(childView)
}
}
}
}
依然利用 LinkedList
来当栈使用,利用 push()
和 pop()
实现栈的逻辑。
三. 小结时刻
今天聊的 View 树的遍历,本质上就是数据结构中,多叉树的遍历,不同的实现方式用来解决不同的问题。
其实这道题,还有一些变种,例如统计 ViewGroup 子 View 的数量、分层打印 ViewTree、查找 ID 为 Xxx 的 View 等,有兴趣可以试着写写代码。
算法题就是这样,有一些是考验编码能力,另一些是解决问题的思路,多思考多写,才是正道。