對於二叉樹的遍歷通常習慣采用遞歸的方法，當樹的規模很大的時候，遞歸的深度就會很深，這就導致了對空間的浪費。在此，我們先不討論二叉樹遍歷的本質，以及遞歸的詳細過程。我先先來研究一下，二叉樹本身：
圖1 二叉樹
圖1所示為一個二叉樹的結構，我們注意結點的特征。結點包含了三個數據：存儲值，指向左子節點的左指針，以及指向右子節點的右指針。
我們考慮在計算機中的實現：對於每一個節點，我們都需要分配相同大小的空間。能夠指向左右子節點的指針，是有效的，因為我們能夠通過這些指針訪問到下一個左、右子節點。但一棵樹中，還存在着空指針，尤其是葉子結點。這些空指針沒有被有效的利用，嚴格意義上講，就是一種浪費。很容易發現，對於一個含有n個結點的二叉樹，實際上有2n個指針域（每個結點有左右兩個指針）。現在思考有幾個指針得到了利用，多少個沒有得到利用。除了頭結點沒有被指針指向（假設先不考慮頭指針），其余的n-1個節點都被一個指針指向。因此這2n個指針中，有n-1個指針得到了利用，則言下之意，還剩下（2n-(n-1)）=n+1個指針時空指針域。那么這些沒有被用到的指針可以被利用嗎？
答案是肯定的，這些空指針域可以被利用，而且很好用。
我們先來回顧二叉樹的遍歷過程，以圖1所示二叉樹為例。考慮它的中序遍歷：從根節點A開始，先找它的左子結點，是B；再看B，B也有左子結點，是D；D還有左子結點，是H；再看H，H沒有左子結點了。所以中序遍歷第一個元素為H，再看H有沒有右子結點，沒有，因此H以及H的后續結點（都為空）訪問完畢，此時我們來訪問它的前序結點，是D。..........直到遍歷所有結點。
在此，我們思考這樣一個問題：我們是如何在訪問到了H，回頭找到D的，進一步找到B的.....。對，我們的核心機制在棧，是通過彈棧的方式。我們找到了后續訪問的元素。且先不談論棧這種機制帶來的巨大內存消耗，我們思考這樣一個問題：假如我們知道了D的位置（僅僅是知道了D的位置，而不是知道了所有元素的位置），我們想知道樹中，訪問完了D，與D近鄰的下面一個元素是誰？？？
如果我們沒有更為優良的機制，我們的做法只能是：做一遍二叉樹遍歷（對，就是通過棧機制），遍歷至少D之前所有的元素和接下來一個元素，我們才知道D接下來是誰？如果我們想訪問C接下來的一個元素是誰呢？，對不起，只能遺憾的告訴你，我們要他媽遍歷整個二叉樹了。說到了這里，你對這個查找過程是不是看起來很眼熟？？似曾相識？？？對，沒錯，這他媽就是單向鏈表的查找，時間復雜度為O(n)的單向鏈表查找！！！！（是不是恍然大悟，現在你明白了普通二叉樹遍歷的本質是什么了吧！！！）。
你可能覺得這也太蠢了吧，找一個元素我要遍歷整顆樹，沒錯，我也是這么想的，這是真的蠢。。。。那么有沒有某種方式，使得查找不要這么蠢呢？有，這就是線索二叉樹。
鑒於我畫圖本領不強，我就不就圖1所示二叉樹進行線索二叉樹的詳細講解了，對此，來個簡單的二叉樹結構
比如：
圖2 一個較為簡單的二叉樹
上述圖2是一個較為簡單的二叉樹，在上文中我們已經提到過，對於這樣一個普通的二叉樹，其遍歷過程更像是一個單向鏈表的實現。我們對這個二叉樹進行中序遍歷，得到結果為:DBAECF。
正如上述所說，我們可以采用棧的方式來實現，但是很明顯，棧的實現在空間資源消耗，以及效率上都不高。
我們再回到上述那個問題，假如我們知道了D，想知道如何訪問B，按照我們使用棧的方式，OK，你只能再遍歷B以前所有的元素。這種方式真的沙雕。假如我們在第一次遍歷時，使得D的空指針指向B（對，就是那個沒用到的指針，這個時候用到了）。於是，上述結構變成了這樣一種結構：
圖3 線索二叉樹中序遍歷路徑
上述是一個線索二叉樹的構件圖。來看看這個圖，我們在第一次遍歷這個圖的時候，假如遍歷到了D，繼續遍歷B，我們就將D指向B，同樣的B指向了A，這樣我們就知道每個元素的鄰近元素是誰。此時有沒有發現，這個線索二叉樹的遍歷過程，很像一個東西的構建？是什么？對，就是雙向鏈表的建立！！！！這就是線索二叉樹遍歷的本質：構建了一個類似雙向鏈表的結構。使得我們對結點的訪問效率更高！！