递归函数改写为生成器的核心是用yield替代return、yield from委托子生成器，避免中间列表堆积和栈溢出；结合外部缓存、惰性求值与提前终止，提升效率与可控性，但无法消除递归深度限制。
递归函数改写为生成器，核心是把“一次性返回全部结果”变成“按需逐个产出”，避免中间列表堆积和栈溢出，同时保持逻辑清晰。
用 yield 替代 return，拆解递归路径
递归调用本身不消失，但不再拼接列表，而是用 yield from 委托子生成器产出值。比如遍历树：
- 原递归写法常写成
return [root.val] + dfs(root.left) + dfs(root.right)，每次调用都新建列表 - 改写后写成
yield root.val; yield from traverse(root.left); yield from traverse(root.right)，不构造中间容器 -
yield from是关键，它把子生成器的每个yield值直接透传给上层，等价于循环加yield
避免重复计算，结合记忆化（Memoization）与生成器
生成器本身不缓存，但可以在生成器外部维护缓存，首次调用时计算并缓存，后续调用直接复用已生成的值序列：
- 例如斐波那契生成器：定义一个字典
_cache = {}，检查n是否已缓存；若未缓存，用生成器算出前n项并存入 - 注意：缓存的是“已生成的值”，不是整个生成器对象；多次遍历时，可从缓存中重建生成器或直接返回迭代器
- 不建议在生成器函数内部做缓存逻辑，容易混淆状态；推荐封装成类，把缓存和生成逻辑分离
控制深度与提前终止，利用生成器的惰性特性
生成器天然支持“只取前 N 项”或“遇到条件就停”，这对深递归特别有用：
- 比如求第 1000 个满足条件的数，不用跑完整个递归空间，只需
next(islice(gen, 999, None)) - 配合
itertools.takewhile或手动for循环加break，可在任意节点中断，避免无谓展开 - 原递归中加
if stop_condition: return是被动退出；生成器中用return（空返回）或直接结束函数，更符合“按需”的语义
注意递归深度限制仍存在，生成器不能绕过栈帧
生成器只是延迟执行、节省内存，每次 yield from 仍会压栈。极端深度下依然可能 RecursionError：
- 真正规避栈限制，需将递归转为显式栈（迭代+stack）或尾递归优化（Python 不原生支持）
- 生成器适合“宽而浅”或“有剪枝”的场景，比如目录遍历、表达式解析、回溯搜索——这些天然支持早停和分块产出
- 若原始递归已接近系统默认递归限制（通常 1000 层），先考虑是否能改写为迭代，再考虑是否套生成器
