更新目录章节链接

1. 二分查找知识内容优化
2. 更新目录章节链接

Assets/Origins/Categories-List.md

@@ -57,7 +57,7 @@
 ###### 0217. 存在重复元素、0136. 只出现一次的数字、0056. 合并区间、0179. 最大数、0384. 打乱数组、剑指 Offer 45. 把数组排成最小的数
 
 
-### [二分查找题目](../../Contents/01.Array/03.Array-Binary-Search/02.Array-Binary-Search-List.md)
+### [二分查找题目](../../Contents/01.Array/03.Array-Binary-Search/03.Array-Binary-Search-List.md)
 
 #### 二分下标题目
 

Assets/Origins/Interview-100-List.md

@@ -38,8 +38,7 @@
 
 ###### 0136. 只出现一次的数字、0056. 合并区间、0179. 最大数
 
-
-### [二分查找题目](../../Contents/01.Array/03.Array-Binary-Search/02.Array-Binary-Search-List.md)
+### [二分查找题目](../../Contents/01.Array/03.Array-Binary-Search/03.Array-Binary-Search-List.md)
 
 #### 二分下标题目
 
@@ -193,4 +192,3 @@
 #### 思维锻炼题目
 
 ###### 0031. 下一个排列、0470. 用 Rand7() 实现 Rand10()
-

Assets/Origins/Interview-200-List.md

@@ -50,8 +50,7 @@
 
 ###### 0136. 只出现一次的数字、0056. 合并区间、0179. 最大数、0384. 打乱数组、剑指 Offer 45. 把数组排成最小的数
 
-
-### [二分查找题目](../../Contents/01.Array/03.Array-Binary-Search/02.Array-Binary-Search-List.md)
+### [二分查找题目](../../Contents/01.Array/03.Array-Binary-Search/03.Array-Binary-Search-List.md)
 
 #### 二分下标题目
 

Assets/Origins/README-Catalogue-List.md

@@ -28,8 +28,9 @@
   - [基数排序](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/02.Array-Sort/10.Array-Radix-Sort.md)
   - [数组排序题目](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/02.Array-Sort/11.Array-Sort-List.md)
 - 二分查找
-  - [二分查找知识](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/03.Array-Binary-Search/01.Array-Binary-Search.md)
-  - [二分查找题目](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/03.Array-Binary-Search/02.Array-Binary-Search-List.md)
+  - [二分查找知识（一）](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/03.Array-Binary-Search/01.Array-Binary-Search-01.md)
+  - [二分查找知识（二）](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/03.Array-Binary-Search/02.Array-Binary-Search-02.md)
+  - [二分查找题目](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/03.Array-Binary-Search/03.Array-Binary-Search-List.md)
 - 数组双指针
   - [数组双指针知识](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/04.Array-Two-Pointers/01.Array-Two-Pointers.md)
   - [数组双指针题目](https://github.com/itcharge/LeetCode-Py/blob/main/Contents/01.Array/04.Array-Two-Pointers/02.Array-Two-Pointers-List.md)

Contents/01.Array/03.Array-Binary-Search/01.Array-Binary-Search-01.md

@@ -0,0 +1,148 @@
+## 1. 二分查找算法介绍
+
+### 1.1 二分查找算法简介
+
+> **二分查找算法（Binary Search Algorithm）**：也叫做折半查找算法、对数查找算法，是一种用于在有序数组中查找特定元素的高效搜索算法。
+
+二分查找的基本算法思想为：通过确定目标元素所在的区间范围，反复将查找范围减半，直到找到元素或找不到该元素为止。
+
+### 1.2 二分查找算法步骤
+
+以下是二分查找算法的基本步骤：
+
+1. **初始化**：首先，确定要查找的有序数据集合。可以是一个数组或列表，确保其中的元素按照升序或者降序排列。
+2. **确定查找范围**：将整个有序数组集合的查找范围确定为整个数组范围区间，即左边界 $left$ 和右边界 $right$。
+3. **计算中间元素**：根据 $mid = \lfloor (left + right) / 2 \rfloor$ 计算出中间元素下标位置 $mid$。
+4. **比较中间元素**：将目标元素 $target$ 与中间元素 $nums[mid]$ 进行比较：
+   1. 如果 $target == nums[mid]$，说明找到 $target$，因此返回中间元素的下标位置 $mid$。
+   2. 如果 $target < nums[mid]$，说明目标元素在左半部分（$[left, mid - 1]$），更新右边界为中间元素的前一个位置，即 $right = mid - 1$。
+   3. 如果 $target > nums[mid]$，说明目标元素在右半部分（$[mid + 1, right]$），更新左边界为中间元素的后一个位置，即 $left = mid + 1$。
+
+5. 重复步骤 $3 \sim 4$，直到找到目标元素时返回中间元素下标位置，或者查找范围缩小为空（左边界大于右边界），表示目标元素不存在，此时返回 $-1$。
+
+举个例子来说，以在有序数组 $[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]$ 中查找目标元素 $6$ 来说，使用二分查找算法的步骤如下：
+
+1. **确定查找范围**：初始时左边界 $left$ 为 $0$（数组的起始位置），$right$ 为 $10$（数组的末尾位置）。此时查找范围为 $[0, 10]$。
+2. **计算中间元素**：中间元素下标位置为 $5$，对应元素为 $nums[5] == 5$。
+3. **比较中间元素**：因为 $6 > nums[5]$，所以目标元素可能在右半部分，更新左边界为中间元素的后一个位置，即 $left = 5$。此时查找范围为 $[5, 10]$。
+4. **计算中间元素**：中间元素下标位置为 $7$，对应元素为 $nums[7] == 7$。
+5. **比较中间元素**：因为 $6 < nums[7]$，所以目标元素可能在左半部分，更新右边界为中间元素的前一个位置，即 $right = 6$。此时查找范围为 $[5, 6]$。
+6. **计算中间元素**：中间元素下标位置为 $5$，对应元素为 $nums[5] == 5$。
+7. **比较中间元素**：因为 $5 == nums[5]$，正好是我们正在查找的目标元素，此时返回中间元素的下标位置，算法结束。
+
+于是我们发现，对于一个长度为 $10$ 的有序数组，我们只进行了 $3$ 次查找就找到了目标元素。而如果是按照顺序依次遍历数组，则在最坏情况下，我们可能需要查找 $10$ 次才能找到目标元素。
+
+::: tabs#BinarySearch
+
+@tab <1>
+
+![二分查找算法 1](https://qcdn.itcharge.cn/images/20230906133729.png)
+
+@tab <2>
+
+![二分查找算法 2](https://qcdn.itcharge.cn/images/20230906133742.png)
+
+@tab <3>
+
+![二分查找算法 3](https://qcdn.itcharge.cn/images/20230906133758.png)
+
+@tab <4>
+
+![二分查找算法 4](https://qcdn.itcharge.cn/images/20230906133809.png)
+
+@tab <5>
+
+![二分查找算法 5](https://qcdn.itcharge.cn/images/20230906133820.png)
+
+@tab <6>
+
+![二分查找算法 6](https://qcdn.itcharge.cn/images/20230906133830.png)
+
+@tab <7>
+
+![二分查找算法 7](https://qcdn.itcharge.cn/images/20230906133839.png)
+
+@tab <8>
+
+![二分查找算法 8](https://qcdn.itcharge.cn/images/20230906133848.png)
+
+:::
+
+### 1.2 二分查找算法思想
+
+二分查找算法是经典的 **「减而治之」** 的思想。
+
+这里的 **「减」** 是减少问题规模的意思，**「治」** 是解决问题的意思。**「减」** 和 **「治」** 结合起来的意思就是 **「排除法解决问题」**。即：**每一次查找，排除掉一定不存在目标元素的区间，在剩下可能存在目标元素的区间中继续查找。**
+
+每一次通过一些条件判断，将待搜索的区间逐渐缩小，以达到「减少问题规模」的目的。而于问题的规模是有限的，经过有限次的查找，最终会查找到目标元素或者查找失败。
+
+## 2. 简单二分查找
+
+下面通过一个简单的例子来讲解下二分查找的思路和代码。
+
+- 题目链接：[704. 二分查找](https://leetcode.cn/problems/binary-search/)
+
+### 2.1 题目大意
+
+**描述**：给定一个升序的数组 $nums$，和一个目标值 $target$。
+
+**要求**：返回 $target$ 在数组中的位置，如果找不到，则返回 $-1$。
+
+**说明**：
+
+- 你可以假设 $nums$ 中的所有元素是不重复的。
+- $n$ 将在 $[1, 10000]$ 之间。
+- $nums$ 的每个元素都将在 $[-9999, 9999]$之间。
+
+**示例**：
+
+```python
+输入: nums = [-1,0,3,5,9,12], target = 9
+输出: 4
+解释: 9 出现在 nums 中并且下标为 4
+
+
+输入: nums = [-1,0,3,5,9,12], target = 2
+输出: -1
+解释: 2 不存在 nums 中因此返回 -1
+```
+
+### 2.2 解题思路
+
+#### 思路 1：二分查找
+
+1. 设定左右边界为数组两端，即 $left = 0$，$right = len(nums) - 1$，代表待查找区间为 $[left, right]$（左闭右闭区间）。
+2. 取两个节点中心位置 $mid$，先比较中心位置值 $nums[mid]$ 与目标值 $target$ 的大小。
+   1. 如果 $target == nums[mid]$，则返回中心位置。
+   2. 如果 $target > nums[mid]$，则将左节点设置为 $mid + 1$，然后继续在右区间 $[mid + 1, right]$ 搜索。
+   3. 如果 $target < nums[mid]$，则将右节点设置为 $mid - 1$，然后继续在左区间 $[left, mid - 1]$ 搜索。
+3. 如果左边界大于右边界，查找范围缩小为空，说明目标元素不存在，此时返回 $-1$。
+
+#### 思路 1：代码
+
+```python
+class Solution:
+    def search(self, nums: List[int], target: int) -> int:
+        left, right = 0, len(nums) - 1
+
+        # 在区间 [left, right] 内查找 target
+        while left <= right:
+            # 取区间中间节点
+            mid = (left + right) // 2
+            # 如果找到目标值，则直接返回中心位置
+            if nums[mid] == target:
+                return mid
+            # 如果 nums[mid] 小于目标值，则在 [mid + 1, right] 中继续搜索
+            elif nums[mid] < target:
+                left = mid + 1
+            # 如果 nums[mid] 大于目标值，则在 [left, mid - 1] 中继续搜索
+            else:
+                right = mid - 1
+        # 未搜索到元素，返回 -1
+        return -1
+```
+
+#### 思路 1：复杂度分析
+
+- **时间复杂度**：$O(\log n)$。
+- **空间复杂度**：$O(1)$。