企业官网建设流程全解析

• 教程
• 文档

线性搜索（Linear Search）是最基础也最直观的查找算法：通过遍历数组的每一个元素并与目标值逐一比对，找到首个匹配项的索引。本文以 30-seconds-of-code 仓库中的 linear-search.md 为主体，完整讲解该算法的实现原理、O(n)时间复杂度分析、for...in循环与+一元运算符的使用细节，并结合仓库内二分搜索、插入索引等相邻片段，帮助你理解线性搜索在实际应用中的定位与取舍。

算法思想：逐个比对，找到即返回

线性搜索的核心逻辑非常简单：从数组的第一个元素开始，依次与目标元素进行比较，如果相等则立即返回当前索引；如果整个数组遍历完毕仍未命中，则返回-1。

这种"从头到尾逐一检查"的策略不依赖数组的任何排序状态，因此它对无序数组同样适用。这一点与二分搜索形成鲜明对比——后者要求数组必须预先排序，相关实现见仓库中的 binary-search.md。

从数学视角看，线性搜索的最坏情况（元素位于数组末尾或不存在）需要比较全部n个元素，因此其时间复杂度为O(n)，n为数组长度。这意味着查找耗时与数组规模成正比：数组越大，线性搜索耗时越长，这是它的主要性能瓶颈。

仓库实现：基于 for...in 的精简版本

30-seconds-of-code 仓库给出的实现极尽精简，完整代码如下：

const linearSearch = (arr, item) => { for (const i in arr) if (arr[i] === item) return +i; return -1; }; linearSearch([2, 9, 9], 9); // 1 linearSearch([2, 9, 9], 7); // -1

这段代码有几个值得深挖的实现细节：

1. 用for...in遍历索引而非元素

for...in循环在数组上迭代时产出的是字符串形式的属性键（即索引），因此循环变量i实际上是"0"、"1"、"2"这样的字符串。原文档特意指出，为了把字符串索引还原为真正的数值索引，代码在返回前使用了一元+运算符（即+i）完成隐式类型转换，从而保证linearSearch([2, 9, 9], 9)返回数值1而非字符串"1"。

2. 严格相等比较

条件判断使用===（严格相等），这意味着查找遵循 JavaScript 的严格相等语义，不会触发隐式类型转换。例如linearSearch([1, '1'], 1)会在索引0处命中，而linearSearch([1, '1'], '1')才会在索引1处命中。

3. 未命中返回-1

若循环结束仍未找到匹配项，函数返回-1。这一约定与 JavaScript 内置的Array.prototype.indexOf()保持一致，也是各种查找 API 的事实标准，方便调用方用result === -1判断"元素不存在"。

动手验证：从控制台到测试

你可以在任何支持 ES6 的 Node.js 或浏览器控制台中直接验证该实现。仓库根目录提供了package.json与配套的 eslint.config.js 等工程化配置，若你希望在本地以规范方式运行，可先执行npm install安装依赖，再按项目惯例在代码目录执行 lint 与测试相关脚本。

一个简单的行为验证可以覆盖三种典型场景：命中第一个匹配项、命中靠后的重复项、完全不命中：

const linearSearch = (arr, item) => { for (const i in arr) if (arr[i] === item) return +i; return -1; }; linearSearch([10, 20, 30], 10); // 0，命中首元素 linearSearch([2, 9, 9], 9); // 1，返回第一个匹配项的索引 linearSearch([2, 9, 9], 7); // -1，元素不存在

注意第二个用例：数组中存在两个9，线性搜索只返回第一个匹配项的索引（1），这与indexOf()的行为一致。若需要收集全部匹配索引，可以参考仓库中的 array-has-only-one-match-or-many.md 片段——它用Array.prototype.reduce()实现了indexOfAll函数，返回所有匹配索引组成的数组。

性能分析：为什么是 O(n)

线性搜索的性能特征可以从两个维度理解：

• 最好情况：目标元素恰好位于数组首位，一次比较即可返回，时间复杂度O(1)；
• 平均与最坏情况：需要遍历约n/2到n个元素，时间复杂度为O(n)。

由于n与耗时呈线性关系，当数组规模较大时线性搜索会明显变慢。这正是原文档在文末通过@Further reading引导读者继续学习二分搜索的原因。二分搜索在已排序数组上通过反复折半缩小搜索区间，复杂度仅为O(log n)，在大数组场景下性能显著优于线性搜索。仓库中对应的完整实现与边界处理见 binary-search.md。

何时该用线性搜索：与内置方法的取舍

原文档特别以[!NOTE]形式强调：当前实现主要用于教学演示，实际项目应优先使用内置的Array.prototype.indexOf()。这一建议背后的理由值得展开：

• 语义一致：indexOf()返回首个匹配项索引，未命中返回-1，与本文实现的行为完全一致，可以直接替换；
• 经过优化的原生实现：内置方法由 JS 引擎以底层代码实现，通常比手写 JavaScript 循环更快；
• 更安全：手写版本依赖for...in遍历数组，而for...in本是为对象设计的枚举机制，若数组原型链被扩展或存在自定义属性，可能产生意料之外的枚举结果。

因此，实际开发中查找数组中某个值的索引，直接使用arr.indexOf(item)即可。线性搜索的价值主要体现在**算法教学、面试讲解、以及"理解底层原理"**层面——它让你看清一次简单查找背后究竟发生了多少次比较。

进阶：从线性到二分、再到插入位置

理解了线性搜索后，你可以顺着仓库的关联片段继续深入算法进阶路径：

1. 二分搜索：针对已排序数组，用while循环维护左右边界l、r，通过Math.floor((l + r) / 2)计算中间索引并逐步收窄区间，复杂度降至O(log n)；
2. 有序数组的插入索引：利用Array.prototype.findIndex()/findLastIndex()找到元素应插入的位置，支持升序、降序与比较器函数三种场景；
3. 二分查找插入位置：在二分搜索基础上仅改动末尾return语句——不再返回-1，而是返回左边界l，即可在O(log n)时间内解决"搜索插入位置"问题，其实现与 LeetCode 同题约束（O(n log n)）相呼应。

这三篇片段与线性搜索共同构成了一条完整的"查找算法"学习链：从最直观的线性遍历开始，理解复杂度差距，再逐步掌握排序数据上的高效策略。

小结

线性搜索是理解查找问题的最佳起点：它用最朴素的"逐个比对"策略解决"数组中找元素索引"这一基础问题，实现只需一个for...in循环与一元+运算符的类型转换技巧。但其O(n)的时间复杂度决定了它在大数据量场景下的局限——正如原文档所建议的，生产代码应使用内置Array.prototype.indexOf()，而需要高性能查找时应转向排序数据上的二分搜索。掌握这一实现与取舍逻辑，是阅读 30-seconds-of-code 中其他算法与数组片段的良好基础。

• 教程
• 文档