Release Rust code to documents. (#656)

docs/chapter_tree/array_representation_of_tree.md

@@ -108,6 +108,12 @@
     List<int?> tree = [1, 2, 3, 4, null, 6, 7, 8, 9, null, null, 12, null, null, 15];
     ```
 
+=== "Rust"
+
+    ```rust title=""
+
+    ```
+
 ![任意类型二叉树的数组表示](array_representation_of_tree.assets/array_representation_with_empty.png)
 
 值得说明的是，**完全二叉树非常适合使用数组来表示**。回顾完全二叉树的定义，$\text{None}$ 只出现在最底层且靠右的位置，**因此所有 $\text{None}$ 一定出现在层序遍历序列的末尾**。这意味着使用数组表示完全二叉树时，可以省略存储所有 $\text{None}$ ，非常方便。
@@ -185,6 +191,12 @@
     [class]{ArrayBinaryTree}-[func]{}
     ```
 
+=== "Rust"
+
+    ```rust title="array_binary_tree.rs"
+    [class]{ArrayBinaryTree}-[func]{}
+    ```
+
 ## 优势与局限性
 
 二叉树的数组表示的优点包括：

docs/chapter_tree/avl_tree.md

@@ -182,6 +182,12 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
     }
     ```
 
+=== "Rust"
+
+    ```rust title=""
+
+    ```
+
 「节点高度」是指从该节点到最远叶节点的距离，即所经过的“边”的数量。需要特别注意的是，叶节点的高度为 0 ，而空节点的高度为 -1 。我们将创建两个工具函数，分别用于获取和更新节点的高度。
 
 === "Java"
@@ -272,6 +278,14 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
     [class]{AVLTree}-[func]{updateHeight}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{height}
+
+    [class]{AVLTree}-[func]{update_height}
+    ```
+
 ### 节点平衡因子
 
 节点的「平衡因子 Balance Factor」定义为节点左子树的高度减去右子树的高度，同时规定空节点的平衡因子为 0 。我们同样将获取节点平衡因子的功能封装成函数，方便后续使用。
@@ -342,6 +356,12 @@ G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorit
     [class]{AVLTree}-[func]{balanceFactor}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{balance_factor}
+    ```
+
 !!! note
 
     设平衡因子为 $f$ ，则一棵 AVL 树的任意节点的平衡因子皆满足 $-1 \le f \le 1$ 。
@@ -440,6 +460,12 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
     [class]{AVLTree}-[func]{rightRotate}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{right_rotate}
+    ```
+
 ### 左旋
 
 相应的，如果考虑上述失衡二叉树的“镜像”，则需要执行「左旋」操作。
@@ -518,6 +544,12 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
     [class]{AVLTree}-[func]{leftRotate}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{left_rotate}
+    ```
+
 ### 先左旋后右旋
 
 对于下图中的失衡节点 3，仅使用左旋或右旋都无法使子树恢复平衡。此时需要先左旋后右旋，即先对 `child` 执行「左旋」，再对 `node` 执行「右旋」。
@@ -617,6 +649,12 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
     [class]{AVLTree}-[func]{rotate}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{rotate}
+    ```
+
 ## AVL 树常用操作
 
 ### 插入节点
@@ -711,6 +749,14 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
     [class]{AVLTree}-[func]{insertHelper}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{insert}
+
+    [class]{AVLTree}-[func]{insert_helper}
+    ```
+
 ### 删除节点
 
 类似地，在二叉搜索树的删除节点方法的基础上，需要从底至顶地执行旋转操作，使所有失衡节点恢复平衡。
@@ -803,6 +849,14 @@ AVL 树的特点在于「旋转 Rotation」操作，它能够在不影响二叉
     [class]{AVLTree}-[func]{removeHelper}
     ```
 
+=== "Rust"
+
+    ```rust title="avl_tree.rs"
+    [class]{AVLTree}-[func]{remove}
+
+    [class]{AVLTree}-[func]{remove_helper}
+    ```
+
 ### 查找节点
 
 AVL 树的节点查找操作与二叉搜索树一致，在此不再赘述。

docs/chapter_tree/binary_search_tree.md

@@ -97,6 +97,12 @@
     [class]{BinarySearchTree}-[func]{search}
     ```
 
+=== "Rust"
+
+    ```rust title="binary_search_tree.rs"
+    [class]{BinarySearchTree}-[func]{search}
+    ```
+
 ### 插入节点
 
 给定一个待插入元素 `num` ，为了保持二叉搜索树“左子树 < 根节点 < 右子树”的性质，插入操作分为两步：
@@ -174,6 +180,12 @@
     [class]{BinarySearchTree}-[func]{insert}
     ```
 
+=== "Rust"
+
+    ```rust title="binary_search_tree.rs"
+    [class]{BinarySearchTree}-[func]{insert}
+    ```
+
 为了插入节点，我们需要利用辅助节点 `pre` 保存上一轮循环的节点，这样在遍历至 $\text{None}$ 时，我们可以获取到其父节点，从而完成节点插入操作。
 
 与查找节点相同，插入节点使用 $O(\log n)$ 时间。
@@ -275,6 +287,12 @@
     [class]{BinarySearchTree}-[func]{remove}
     ```
 
+=== "Rust"
+
+    ```rust title="binary_search_tree.rs"
+    [class]{BinarySearchTree}-[func]{remove}
+    ```
+
 ### 排序
 
 我们知道，二叉树的中序遍历遵循“左 $\rightarrow$ 根 $\rightarrow$ 右”的遍历顺序，而二叉搜索树满足“左子节点 $<$ 根节点 $<$ 右子节点”的大小关系。因此，在二叉搜索树中进行中序遍历时，总是会优先遍历下一个最小节点，从而得出一个重要性质：**二叉搜索树的中序遍历序列是升序的**。

docs/chapter_tree/binary_tree.md

@@ -155,6 +155,12 @@
     }
     ```
 
+=== "Rust"
+
+    ```rust title=""
+
+    ```
+
 节点的两个指针分别指向「左子节点」和「右子节点」，同时该节点被称为这两个子节点的「父节点」。当给定一个二叉树的节点时，我们将该节点的左子节点及其以下节点形成的树称为该节点的「左子树」，同理可得「右子树」。
 
 **在二叉树中，除叶节点外，其他所有节点都包含子节点和非空子树**。例如，在以下示例中，若将“节点 2”视为父节点，则其左子节点和右子节点分别是“节点 4”和“节点 5”，左子树是“节点 4 及其以下节点形成的树”，右子树是“节点 5 及其以下节点形成的树”。
@@ -358,6 +364,12 @@
     n2.right = n5;
     ```
 
+=== "Rust"
+
+    ```rust title="binary_tree.rs"
+
+    ```
+
 **插入与删除节点**。与链表类似，通过修改指针来实现插入与删除节点。
 
 ![在二叉树中插入与删除节点](binary_tree.assets/binary_tree_add_remove.png)
@@ -486,6 +498,12 @@
     n1.left = n2;
     ```
 
+=== "Rust"
+
+    ```rust title="binary_tree.rs"
+
+    ```
+
 !!! note
 
     需要注意的是，插入节点可能会改变二叉树的原有逻辑结构，而删除节点通常意味着删除该节点及其所有子树。因此，在二叉树中，插入与删除操作通常是由一套操作配合完成的，以实现有实际意义的操作。

docs/chapter_tree/binary_tree_traversal.md

@@ -80,6 +80,12 @@
     [class]{}-[func]{levelOrder}
     ```
 
+=== "Rust"
+
+    ```rust title="binary_tree_bfs.rs"
+    [class]{}-[func]{level_order}
+    ```
+
 **时间复杂度**：所有节点被访问一次，使用 $O(n)$ 时间，其中 $n$ 为节点数量。
 
 **空间复杂度**：在最差情况下，即满二叉树时，遍历到最底层之前，队列中最多同时存在 $\frac{n + 1}{2}$ 个节点，占用 $O(n)$ 空间。
@@ -204,6 +210,16 @@
     [class]{}-[func]{postOrder}
     ```
 
+=== "Rust"
+
+    ```rust title="binary_tree_dfs.rs"
+    [class]{}-[func]{pre_order}
+
+    [class]{}-[func]{in_order}
+
+    [class]{}-[func]{post_order}
+    ```
+
 **时间复杂度**：所有节点被访问一次，使用 $O(n)$ 时间，其中 $n$ 为节点数量。
 
 **空间复杂度**：在最差情况下，即树退化为链表时，递归深度达到 $n$ ，系统占用 $O(n)$ 栈帧空间。