简介：青岛大学王卓教授的《数据结构与算法》课程PPT截图合集以PDF格式呈现，适合正在学习该课程、准备期末复习或考研计算机基础的学生使用。资源目录依次展开绪论、数据结构研究内容、数据元素和数据项、数据结构两个层次、逻辑结构、数据类型和抽象数据类型、算法和算法分析、算法时间效率的度量，以及线性表的定义与特点、案例引入、类型定义、顺序表示和实现、链表概念、链式表示和实现等章节，知识脉络清晰。其中线性表部分梳理了顺序存储与链式存储两种实现方式，有助于理解不同存储结构在插入、删除、查找等操作上的性能差异；算法分析部分则涉及大O时间复杂度的基本度量思路。整包仅有一个PDF文件，压缩包大小约102.64MB，便于离线查看、打印和按目录跳转；目前已有4537人学习下载。这些PPT截图保留了王卓老师课堂幻灯片的原始版式与重点标注，可帮助读者快速回顾数据组织方式与算法复杂度分析方法，也可作为教学备课或自学补充材料。
1. 数据结构与算法课程PPT：为什么这套截图值得保留
如果你是正在准备期末、考研或面试刷题的人，大概都有过这样的经历：算法书太厚，视频课太长，想快速回忆某个知识点的时候，翻半天找不到重点。我手里这套从某高校公开数据结构课程里整理出来的完整PPT截图，覆盖了线性表、栈与队列、树与图、查找及全部常用排序算法等核心章节，每一帧都保留了授课时的推导批注和典型例题。它并不是那种只放概念定义的课件，而是把每一段代码、每一次复杂度分析都讲到了考试和面试真正会考的位置。适合三类人：一是期末复习想快速过一遍框架的人，二是准备考研专业课需要反复刷知识点的考生，三是转码自学时想用一套完整讲义把逻辑串起来的人。下面把内容结构、整理方法和踩坑点逐一拆开讲。
2. 从线性表到排序算法：这套PPT的内容结构与讲解逻辑
拿到这套截图，首先建议不要急着从头翻到尾。它虽然是按章节组织的，但每一章的知识密度差异很大，需要先看清整棵知识树的分布，再决定时间花在哪里。
2.1 线性表与栈队列：存储结构对比和经典应用题模板
线性表部分占了前五分之一的篇幅，重点放在顺序表和链表的对比上。PPT里反复出现的是一张对比表：顺序表随机访问是O(1)，插入删除要移动元素、平均O(n)；链表插入删除只需改指针、O(1)，但查找第k个元素要O(n)。这张表建议直接抄进自己的笔记里，因为考试和面试的“存储结构选型题”几乎都从这张表衍生。
栈和队列部分，PPT重点不是讲定义，而是讲应用模板。例如括号匹配、表达式求值、递归转非递归这三类经典问题，每一类都配了一个完整的流程推导。以表达式求值为例，我一般会重点抄下PPT里那张“操作符优先级表”，因为这是整个算法的手工推导依据。PPT里推进的步骤是：先建立两个栈（操作数栈和运算符栈），然后从左到右扫描表达式，遇到数字压数栈，遇到运算符则与栈顶比较优先级，若当前优先级低则弹出栈顶运算，直到处理完整个表达式。请注意这里的两个判断条件：一个是运算符栈是否为空，另一个是“遇到右括号则一直弹到左括号”，这两个条件写错的人非常之多。
这一章的截图里，建议特别留意链表插入和删除的指针操作图。因为PPT是用动画逐步展示指针变化的，截图后虽然动效没了，但每一帧都保留了“断链前先接链”的标注。我自己复盘时发现，只要把这几帧按顺序重看一遍，写代码时就不容易漏掉“保存后继节点”这一步。如果只看文字不看图，很容易在实现时把p->next先置空导致链表断裂。
2.2 树与二叉树：遍历序列推导与递归转迭代的关键
树这一章是整套PPT里篇幅最重的一部分，大概占了总页数的四分之一。核心内容集中在二叉树的性质、三种遍历、以及由遍历序列推导二叉树结构。PPT里的推导题非常典型：已知前序和中序序列，要求还原二叉树。它给出的步骤是——首先，前序序列的第一个节点一定是根节点；其次，在中序序列中找到该根节点的位置，左边是左子树、右边是右子树；然后递归重复这个过程。
我之前跟着这套PPT手动还原了三次，发现一个容易被忽略的小技巧：每次切分序列时，要在纸上把左子树和右子树的边界标清楚，而不是凭眼睛看。比如前序是A B D E C F，中序是D B E A C F，第一步A是根，中序里A的左边是D B E，右边是C F，于是左子树的前序区间是B D E、右子树的前序区间是C F。这时候要注意左子树的“根”是B，而不是D，很多人一眼扫过去以为D是左子树的根，直接翻车。为了避免这种错误，我会把每一个递归层级的中序区间用方括号标出来，再去找对应的前序元素。这套PPT在推导时每一步都有红色批注，正是这些批注让边界错误变得可追溯。
关于树的第二种写法——递归转迭代，尤其是中序遍历的非递归实现，PPT给了一个非常有用的模板：用栈模拟递归栈，先一路向左压栈，再逐个弹出访问，之后转向右子树。这段伪代码建议原样抄下来，并标注清楚“访问时机”：前序是压栈前访问，中序是弹出时访问，后序则要加一个“上一轮访问的节点”判断是否从右子树返回。这个时机问题，笔试和面试都爱考，死记硬背容易混，必须对着截图里的代码流程走一遍。
2.3 图与查找排序：邻接矩阵与邻接表的选型、拓扑排序的手工推导
图这一章，PPT把邻接矩阵和邻接表的对比放在了开头：矩阵适合稠密图、判断两点是否相邻是O(1)，但存储空间固定是V²；邻接表适合稀疏图、遍历邻接点快，但判断相邻需要O(degree)。这个选型结论是高频考点，建议用一句话记成笔记：“稠密用矩阵，稀疏用表；频繁查边用矩阵，频繁遍历用表。”
关于最短路径，PPT对比了Dijkstra和Floyd的适用场景：Dijkstra是单源最短路径，不能处理负权边；Floyd是多源最短路径，可以处理负权边但不能有负环。截图里有两张手工推导表，一张是Dijkstra的dist数组逐步更新过程，另一张是Floyd的dist中间矩阵。如果你能把这两张表用Excel复现一遍，对“松弛操作”的理解会比只看图深得多。我一般会建议花二十分钟手工走一遍Dijkstra的完整流程，重点观察“每次选最小dist时是否已经确定该节点”这一步。这个算法的正确性依赖“当前未被访问的最小dist节点不可能再被其他路径优化”这一性质，PPT上用两行字点破了，但很多人看视频只顾着记步骤，忽略了为什么，导致考试换种图就不会了。
排序与查找章节放在最后，PPT对八种排序做了分组：插入类（直接插入、希尔）、交换类（冒泡、快排）、选择类（简单选择、堆排）、归并类。每一组都给了移动次数和比较次数的对比表。关于稳定性，PPT的结论是：直接插入、冒泡、归并稳定；希尔、快排、堆排不稳定。这个结论我建议不要只背，而是要知道不稳定发生在哪一步：快排的不稳定发生在partition交换时把相等元素换到另一边；堆排的不稳定发生在调整堆时父子交换破坏了原有相对顺序。理解到这一层，面试问“为什么堆排不稳定”才能答出来。
3. 把PPT截图变成自己的复习资产：整理与输出三件套
截图资源拿到手，最忌讳的是“收藏即完成”。如果只是把几百张图存进网盘，那和没下载没有区别。这一章讲我怎么把这套截图转化成真正能用的复习材料，每一步都有对应做法。
3.1 按“主题-子主题-例题”三层结构重新组织截图
第一步是把照片按主题重新命名。原始截图的文件名可能是Page_001.jpg这种无意义序号，我会先建一个章节文件夹，再在每个文件夹里建立“概念定义”“代码模板”“易错点”“典型例题”四个子文件夹。比如树这一章，把“二叉树性质.png”放进概念定义，把“递归转迭代模板.png”放进代码模板，把“由遍历序列还原二叉树.png”放进典型例题。这个整理过程本身就是一次主动回忆，比直接看第二遍有效得多。
实际操作时，我一般会用文件管理器配合一个小脚本快速完成分类。下面是一个用python批量重命名截图的示例，按“章节-子主题-序号.png”的格式整理：
import os import shutil source_dir = "./data_structure_slides" target_root = "./my_notes" chapter_map = { "01": "linear_list", # 线性表 "02": "stack_queue", # 栈与队列 "03": "tree", # 树 "04": "graph", # 图 "05": "sort_search" # 排序与查找 } for filename in os.listdir(source_dir): if not filename.lower().endswith(".png"): continue prefix = filename.split("_")[0] # 01_xxx.png -> "01" chapter_dir = chapter_map.get(prefix, "misc") target_dir = os.path.join(target_root, chapter_dir) os.makedirs(target_dir, exist_ok=True) shutil.copy2(os.path.join(source_dir, filename), os.path.join(target_dir, filename)) print(f"{filename} -> {chapter_dir}")这段脚本做的事情是：读取源目录下所有PNG图片，按文件名前缀的数字映射到对应章节目录，复制而非移动，保证原始文件不丢。参数说明：source_dir是截图存放目录，target_root是整理后的笔记根目录，chapter_map是章节映射字典，你可以按自己的截图命名方式修改。我一般在复制后还会再做一轮手筛选，因为有些跨章节的知识点（比如树与递归的关系）会被分到misc目录里单独处理。
3.2 用Markdown搭建带图笔记：截图与文字注释并排
整理好文件之后，我不会直接点开图片一张张看，而是用Markdown写一份带图索引笔记。这样做的好处是，复习时不用打开几十个图片文件，只要看一个笔记文件，需要细节时再点击图片链接跳转即可。对每一章的笔记，我遵循“一图一带”的格式：每个知识模块配一张关键截图，紧接着写这段PPT里最重要的三句话。
下面是一段我用Obsidian写的笔记示意，用了标准Markdown语法：
## 二叉树遍历 ### 三种遍历的访问时机 - 前序：根 -> 左 -> 右，访问根在递归左子树之前 - 中序：左 -> 根 -> 右，访问根在左右子树之间 - 后序：左 -> 右 -> 根，访问根在左右子树之后  > 注意：中序序列中根的位置把左右子树区间完全分割，这是还原二叉树的关键依据。这段笔记的价值在于把图片和文字锚点放在一起，避免“看图不知要点”的被动浏览。我在实际使用中发现，Markdown里的引用块特别适合记录“注意”级的内容，比如上例中“中序分割左右子树”这句话，复习时扫一眼就能抓住重点。如果你的工具支持双链笔记，还可以给“递归转迭代”“栈的深度”这类跨越章节的概念建立链接，方便后来跳转复习。
3.3 用主动回忆法安排复习节奏，而不是反复看截图
整理完笔记后，真正的学习动作发生在脱离截图的时候。我的习惯是：每天抽一小时，先把当天要复习的章节笔记从头看一遍，然后合上屏幕，拿出一张白纸，默写该章节的三个关键内容——算法模板、复杂度结论、易错点。如果默写不出来，再回去看对应的截图。这个方法比反复刷图有效得多，因为每一次回忆失败都会给大脑一个“这个知识点还没巩固”的信号。
具体安排上，我会用一张表格来规划复习节奏，基本原则是当天学过的内容当天复习一次，之后第2天、第7天、第21天各复习一次。表格不复杂，但很有用：
| 内容章节 | 学习日 | 第2天复查 | 第7天复查 | 第21天复查 |
|---|---|---|---|---|
| 线性表/栈队列 | 第1天 | 已复查 | 已复查 | 已复查 |
| 树与二叉树 | 第3天 | 已复查 | 已复查 | 待复查 |
| 图 | 第5天 | 已复查 | 待复查 | 待复查 |
| 查找与排序 | 第7天 | 待复查 | 待复查 | 待复查 |
这张表的背后逻辑是遗忘曲线：如果不做间隔复习，一星期后再看截图，基本等于重新学。我一般会把待复查的状态标为高亮，优先安排这些章节的默写练习。这里有个小技巧：复习某个章节前，不要先翻笔记，而要先默写。只有在意识里“主动搜索”失败之后，再去对照笔记和截图，这个补漏点才会被真正记住。如果一开始就打开截图，就会陷入“看着都会、合上全忘”的假性学习。
4. 避坑与常见问题：截图资源复盘时踩过的四个坑
这套PPT截图我用过三轮，前两轮都走了弯路。下面四条是反复遇到的高频问题，每条按现象、原因、解决三步展开，希望你能绕开。
4.1 截图模糊导致算法推导看不清楚，越看越烦躁
现象：某些PPT页面上有密集的推导文字，比如Dijkstra手动求解表、快排的partition过程，放大后依然模糊，关键数字根本看不清。
原因：PPT在屏幕播放时字体较小，直接截图的分辨率不够，放大到阅读尺寸时就糊了。尤其是红笔批注和浅灰色辅助线，在低分辨率截图里几乎消失。
解决：我的做法是不要“硬看”模糊区域，而是先用这一页的标题和公式反推内容，再找其他来源补齐。比如Dijkstra推导表，思路本质上是反复执行“选最小dist、更新邻居”两步，我在纸上重画一张空白表，按流程自己填一遍，反而比看截图更记得住。同时，建议把这类关键页面用“网页长图”或“OCR识别”的方式二次处理，如果OCR能识别出文字，优先以文字为准，不要把模糊图片当唯一依据。
4.2 章节页码不连续，发现中间少了关键内容
现象：整理截图时发现“图的遍历”之后直接跳到了“最短路径”，中间缺失“最小生成树”的大部分内容，或者某些章节只有前半部分。
原因：截图来源是课堂录制文件，可能存在录制中断、页面跳帧的情况，加上手动截屏时可能漏帧，最终少了几十页。
解决：先不要急着补内容，而是在笔记里做好缺失标记，用“【缺失】最小生成树Prim算法例题”这样的占位符记录下来。然后补暂时找不到的内容时，优先找同类课程的讲义或算法教材中对应的章节。我通常会从三个方面补：一是权威教材里的对应片段，二是公开课件里的相同主题，三是自己按上课讲过的算法模板手工推导一遍。补完之后，在笔记的缺失标记处写上“已补2024-xx-xx，来源：教材第三版第214页”，方便日后追溯。
4.3 只看截图不写代码，导致考试写不出来
现象：PPT里的代码模板看得滚瓜烂熟，但一到白纸上默写“中序遍历非递归”就卡壳，或者写出的代码逻辑能看懂但边界条件不对。
原因：看截图像看“别人写好的代码”，大脑会把它当作已经理解的内容，不会触发写代码时的边界检查和语法纠错。还有个原因是PPT展示的代码往往省略头文件、typedef等上下文，只看片段永远无法形成完整可运行的代码。
解决：从第一轮复习开始，强制自己把PPT中的关键算法在IDE里敲一遍并跑通。不是抄一遍，而是看着核心逻辑自己写。比如快排的partition函数，我不看PPT，只记住“选主元-左右扫描-交换”这个流程，写出来之后再对着PPT截图检查边界条件。运行测试时，用5个元素的数组、10个元素的数组、含重复元素的数组依次验一遍，重点观察主元位置是否正确。从那以后我每次复习到算法章节，都强制自己在白纸上先默写代码、再对照截图，这个习惯帮我在考试时少踩了一半的坑。
4.4 按照PPT顺序死记硬背，导致知识碎片化
现象：每一章学完都觉得懂了，但合上PPT之后，遇到一道综合题（比如“用栈实现图的深度优先遍历”）就完全不知道该调用哪些知识。
原因：PPT是按线性顺序组织的，这适合“新知识输入”阶段，不适合“综合应用”阶段。如果复习也按线性顺序，就会把知识点当孤立点，无法应对需要跨章节联动的题目。
解决：第二轮复习时，不再按章翻图，而是按“数据结构-算法技巧”的交叉索引来重组。例如栈这一章，不只看栈本身的定义，还要把“括号匹配”“函数调用栈”“DFS非递归”三类使用场景列在一起。具体做法是在笔记里加一个“跨章节关联表”，把同一个数据结构在不同章节的应用位置记下来。比如“链表：线性表章节的插入删除、哈希表的链地址法、图的邻接表表示”，每次复习链表都顺带看这三个地方，知识就会被粘合成网络而不是散点。
5. 把一份PPT用出网课效果：默写式自测与查漏的进阶技巧
截图资源的极限，取决于你怎么使用它。如果只是看，它顶多是一份讲义；如果你用下面这套方法，可以把静态截图变成动态复习引擎，甚至能查出现在还不会的知识薄弱点。
第一个进阶技巧是“反向写讲义”。所谓反向，就是不看章节目录，凭回忆把每一章的三级标题写出来，再在每个标题下写两行关键词。例如树那一章，你能写出“二叉树性质 - 四种遍历 - 还原推导 - 递归转迭代 - 线索二叉树 - 哈夫曼树”，说明知识框架已经建立；如果一个标题写不出来，说明那一块还没有进入长期记忆。我一般用时间盒方式完成这个任务：一张A4纸，十五分钟，不看任何资料，默写完一整章的结构。写完后再对照PPT截图检查，漏掉的那个子主题，就是下一轮复习的第一优先。
第二个技巧是“错位例题重解法”。不是把例题答案抄一遍，而是把例题的初始条件稍做修改再自己解。例如PPT里有一个用中序和前序还原二叉树的例题，我会把前序序列改成“A B D E C F”，中序改成“B D A E F C”，再重新推导一遍。这样做的价值在于，它强迫你重新执行“找根、切分、递归”的每一步决策过程，而不是记住上一次推导的结果。如果推导顺利，说明这个算法真的理解了；如果卡住，就回头再看对应截图里的红色批注。
第三个技巧是“口头讲给自己听”。找一个不看图的环境，把某类算法的流程说出来。比如拓扑排序，我练习时会说：“首先统计每个节点的入度，再把入度为0的节点入队列，每次弹出队首节点、将其邻接节点的入度减一，如果减到0就入队列，直到队列为空。”如果在讲述过程中停顿了，或者发现自己跳过了某一步，那就是没真正学会。这个方法比默写更快暴露问题，适合在碎片时间进行。
最后一个习惯是我经过多次教训后坚持下来的：每次完成一轮复习，都把“此刻还不会的问题”写在一张专门的清单里，而不是把它留在脑子里。这些问题从哪里来？从默写失败、错位例题卡壳、口头讲述停顿中收集。清单每项只写一句话，比如“堆排序调整堆时向上还是向下比较，没想清楚”“Dijkstra中为什么已确定节点不需要再更新”。之后每次复习，直接对着这份问题清单回答，答不上的再回头查PPT。
从那以后，我每次拿到一份新的学习资料，不管是不是PPT截图，都会强制走一遍“整理分类、写带图笔记、默写自测、错位重解、问题清单”这五步流程。说实话，这套流程比资料本身更值钱，因为它让我从“看资料的人”变成了“检验学习效果的人”。希望这份PPT整理法也能帮你在数据结构和算法的复习里少走弯路，把几百张截图真正变成自己的知识库。
本文还有配套的精品资源，点击获取
