BFS天然适配层序遍历，因其按层扩散特性：先处理距离起点为1的节点，再处理距离为2的节点，依此类推；在二叉树中即从上到下、从左到右逐层访问，配合队列长度锁定每层范围，精准实现分层输出。
广度优先搜索（BFS）天然适配层序遍历，因为它的核心就是按层扩散：先处理所有距离起点为 1 的节点，再处理距离为 2 的，依此类推。在二叉树中，这正好对应从上到下、从左到右逐层访问节点。
为什么 BFS 能直接做层序遍历
层序遍历要求把同一深度的节点归为一组，而 BFS 使用队列 + 每层固定 size 的技巧，能精准捕获“当前层所有节点”。每次循环前记录队列长度，就等于知道这一层有几个节点，从而避免跨层混入。
关键操作：用 size 锁定当前层范围
不能边出队边入队后直接 push 到结果里——那样会丢失层级结构。必须先拿到当前队列长度，再循环这么多次，确保只处理本层节点：
- 初始化队列，根节点入队
- 当队列非空时：
→ 记录当前 size（即本层节点数）
→ 新建空列表存本层值
→ 循环 size 次：出队一个节点，加入本层列表；将其左右子节点（若存在）入队 - 把本层列表加入最终结果
常见变形与注意事项
层序遍历不只输出值，还可能需要：
- 反向层序：最后把 result 反转，或每次插入到头部
- Z 字形遍历：加个 flag，偶数层正序，奇数层倒序添加
- 带层级信息：在每轮循环中，用当前 step 或 depth 记录层数
- 空节点处理：标准层序不加入 null，但若题目要求保留空位（如序列化），需显式入队 null 并特殊判断
和 DFS 做层序的区别
DFS 也能实现层序，但需额外维护 depth 参数并用哈希表或数组按层索引存储，逻辑更绕、易出错。BFS 是唯一自然、简洁、一次遍历就完成分层的方法——它不是“可以做”，而是“最该用”的解法。
