TRAE-AI编程
二分查找总写错边界，根因几乎都在三个地方：循环条件是 while left <= right 还是 < 没选对、mid 更新时该 left = mid 还是 mid + 1、以及 nums[mid] 命中后区间怎么收缩。只要把「循环不变量」钉死——「答案一定在 [left, right] 闭区间内」——这三种 off-by-one 就不会再犯。先搞懂不变量的含义，比背模板更管用，因为模板一换场景你就又迷了。下面把循环条件、mid 更新、命中收缩这三个边界坑逐一拆开，并给出可直接套用的闭区间模板，照着写基本不会再 off-by-one。
先看结论
- 坑一：循环条件选错。用 [left, right] 闭区间，就必须是 while left <= right；用 [left, right) 半开区间才用 <。混用必死循环或漏判。
- 坑二：mid 更新不对。排除 mid 后必须 left = mid + 1 或 right = mid - 1，只写 mid 会原地踏步导致死循环。
- 坑三：命中后区间不收缩。找左边界/右边界时，命中 nums[mid] 不能直接返回，要据此收缩区间，否则拿不到正确边界。
- 一招治本：钉死循环不变量。每轮循环开始时，保证答案仍在 [left, right] 内，所有更新都不破坏它。
- 写完后用几组边界用例验证：空数组、单元素命中、元素不存在、重复元素取最左/最右。
一、先弄清「边界错」到底错在哪
前置条件：你写过或读过用 while 在有序数组里查找的二分代码，并曾遇到过死循环、漏判或取错位置。本文示例基于 Python 列表，语言无关，思路通用。
二分查找的难点从来不是「一半一半」，而是维护区间的语义一致性。最常见的写法用闭区间 [left, right]：初始 left=0, right=len(nums)-1，表示「答案如果存在，一定在这个闭区间里」。只要每一轮更新都守住这条不变量，循环结束时 left > right 就说明答案不存在。
错的根源是：有人前半段当闭区间，更新时却只写 left = mid，破坏不变量；或者循环条件用了 < 却按闭区间理解，导致 left == right 那一轮被跳过。下面逐一拆这三个坑。如果你还想补一下算法基础，可以先过一遍 Python3 教程，把切片、索引、// 整除这几处认清楚，再回来对照。
实操前先安装并配置好 Python 运行环境，运行 python binary_search.py 命令跑通最小用例，用几个边界输入做检查，确认预期能正确返回下标或 -1；若失败，按报错定位到是循环条件还是 mid 更新写错，修复后再验证一遍。坑一多半出在循环条件和区间语义没配对：用闭区间 [left, right] 就必须配 while left <= right，漏掉等号会让 left == right 那一趟被跳过。坑二在 mid 更新偷懒：排除 nums[mid] 后必须 left = mid + 1 或 right = mid - 1，只写 mid 会让区间原地踏步、永远出不了循环。坑三在找左右边界时命中不收缩：nums[mid] == target 不能立刻 return，要记录答案并继续往同侧收缩。把「答案始终在 [left, right] 闭区间」这条不变量钉死，这三处就不会再犯。
二、三个边界坑一次看清
2.1 坑一：循环条件与区间语义不一致
闭区间必须配 while left <= right：
def search(nums, target):
left, right = 0, len(nums) - 1
while left <= right: # 闭区间：left==right 时区间非空，还要查
mid = (left + right) // 2
if nums[mid] == target:
return mid
elif nums[mid] < target:
left = mid + 1
else:
right = mid - 1
return -1若把条件写成 while left < right，当 left == right 且恰是答案时会被漏掉，返回 -1。失败处理：记住「区间定义和循环条件是一对，改一个就得改另一个」，统一用闭区间配 <= 最不容易出错。
2.2 坑二：mid 只更新成 mid，原地踏步死循环
第二个坑在排除 mid 时偷懒：
# 错误：left = mid 不改变「答案可能还在 mid」的事实
if nums[mid] < target:
left = mid # 死循环！left 不再前进正确写法是 left = mid + 1（因为 nums[mid] 已排除，答案在右侧且不含 mid）。同理 right = mid - 1。适用边界：半开区间 [left, right) 时 mid 的更新规则会反过来，别跨写法混用。只写 mid 会让 left 永远卡住，区间不缩小，循环出不来。
2.3 坑三：找边界时命中不收缩
第三个坑出现在「找最左/最右出现位置」。以找最左为例，命中 nums[mid] == target 不能直接 return，因为左边可能还有相同的：
def left_bound(nums, target):
left, right = 0, len(nums) - 1
ans = -1
while left <= right:
mid = (left + right) // 2
if nums[mid] == target:
ans = mid
right = mid - 1 # 继续往左找更靠左的
elif nums[mid] < target:
left = mid + 1
else:
right = mid - 1
return ans命中后收缩区间是拿边界的关键，直接 return 只会拿到任意一个匹配项，不是你要的边界。涉及更细的语法与切片操作时，Python 速查手册 能帮你快速回查索引与整除规则。
三、最小模板与验证
把不变量钉死后的标准查找模板（闭区间）已在上文给出。防错只需三步自查：
- 区间定义和 while 条件是否配对（[l,r]↔<=）；
- 排除 mid 时是否 +1/-1；
- 找边界时命中是否继续收缩。
验证与失败处理：写完后用几组用例跑一遍——空数组应返回 -1、单元素命中应返回 0、目标不存在应返回 -1、重复元素找左边界应返回最左下标。若某组出错，回到不变量检查：每轮开始时 [left, right] 是否仍包含答案。这类边界问题在数组、字符串、矩阵类题目里反复出现，把不变量当成铁律能省掉大量调试时间。
总结
二分查找总写错边界，本质是区间语义没守住：循环条件必须和区间定义配对（[left,right] 闭区间配 while left <= right），排除中点必须 left=mid+1 或 right=mid-1 否则死循环，找左右边界时命中不能立刻返回而要继续收缩。把「答案始终在 [left,right] 闭区间内」这条循环不变量钉死，三者就不会再犯。模板可以背，但不变量才是真正治本的那一下。
常见问题
Q：为什么我的二分查找出不了循环？
几乎都是 mid 更新没 +1/-1。排除 nums[mid] 后若只写 left = mid，区间不再缩小，left 原地踏步，永远出不了循环。改成 left = mid + 1 即可。
Q：返回 -1 但元素明明在数组里？
最可能是循环条件与区间不一致。用闭区间却写了 while left < right，会跳过 left == right 那一最后一查。统一成 [left,right] + while left <= right 最稳。
Q：怎么找 target 最左/最右出现位置？
命中 nums[mid] == target 时不要直接 return，记录答案并把区间往同侧继续收缩（最左就 right = mid - 1，最右就 left = mid + 1），循环结束返回记录的位置。
Q：mid 用 (left+right)//2 会溢出吗？
Python 整数无上限，不会溢出。但在有长度上限的语言里要写成 left + (right-left)//2 防溢出。习惯上统一这么写也行，可读性稍差但更安全。
延伸学习
- 想把 Python 算法这块系统补齐，可以先跟一遍 Python3 爬虫入门 里数据处理的部分，理解检索怎么落地。
- 经典算法怎么讲透，二分查找算法笔记 的拆解思路可以借用。
- 写累了想就地格式化代码，Python 代码格式化 能直接帮你统一风格。
