告别“边界焦虑”：JS二分查找的实战拆解与避坑指南

很多人提到二分查找，第一反应是“背模板”。手册上的代码看了无数遍，一到实际手写就卡在循环条件或者指针越界。其实二分的核心从来不是死记硬背，而是把“缩小搜索范围”的动作拆清楚。面对一个有序数组时，二分就是在做一道减法题：每次果断扔掉一半不可能存在的区间，直到锁定目标或彻底确认不存在。摸清这个底层逻辑，后续遇到各种变体自然水到渠成。

标准实现里，三个变量足以支撑全局。左边界 left 从 0 起步，右边界 right 锚定数组最后一个索引。核心动作全部压在取值逻辑上。计算中点位置时，强烈建议用 mid = left + ((right - left) >> 1) 代替常见的 (left + right) / 2。尽管现代 V8 引擎对大数除法做了优化，但位移操作在极端长度下依然能杜绝溢出隐患，也是算法圈默认的稳健写法。随后进入主循环，保持 left <= right 的闭合区间状态不断收缩。一旦 arr[mid] 命中目标，直接吐出索引结束战斗；若目标数值更小，证明右半区全是干扰数据，把 right 精准撤到中点左侧（right = mid - 1）；相反则排除左半区，将 left 推至中点右侧（left = mid + 1）。循环自然终止却没命中，说明这批数据里压根没有你要找的节点。

真正让人头疼的，往往是等号该不该带。写成 left < right 还是 left <= right，本质上是你如何定义当前搜索空间的开闭属性。采用 left <= right 搭配开区间移动，思维链条最短，适合绝大多数单值查询。当业务要求处理重复元素，例如需要找出目标值第一次或最后一次出现的索引时，策略就得切换。此时放弃精确比对，转而定位“临界台阶”。找左边界时，只要 arr[mid] >= target 就让 right 紧贴 mid 不放，依靠 left < right 驱动双指针缓慢挤压，最终会停靠在首个符合条件的坑位。右边界查找则镜像反转。这套模式绕开了 -1 带来的索引偏移，代码骨架极其清爽。

落地的实际场景里，纯数值二分并不常见，更多是借用它“单调可分”的工程直觉。比如处理长列表的虚拟滚动高度计算、埋点数据的阈值分级，甚至是在 React/Vue 的状态快照里快速定位变更节点的层级。前提是数据必须具备单向递进特性，如果数组呈现波浪起伏，强行套用只会陷入死循环或错误收敛。遇到复杂业务流，不妨先用线性扫描验证结果，再观察数据结构是否暗含阶梯状分布，确认单调性后再切入二分优化，性价比最高。

算法本质上是工程思维的降维打击。写二分时，与其反复推敲某一行语句的顺序，不如先在草稿纸上画出指针的推进轨迹。每一次边界翻转，都是在剥离无效假设。养成用闭区间思考问题的习惯，而不是死盯单个数字，二分查找就能从“容易翻车的面试题”彻底转正为日常调优利器。多跑几组临界用例建立手感，下次碰到有序检索需求，自然知道该用哪种姿势快速收网。