python递归深度超限会抛出recursionerror而非内存耗尽，应优先改用迭代、显式栈或深度防护，而非调高限制或依赖不可靠的尾递归装饰器。
递归深度超过 sys.getrecursionlimit() 会直接报错
Python 默认递归限制通常是 1000，一旦函数调用栈深度超过这个值，就会抛出 RecursionError: maximum recursion depth exceeded。这不是内存耗尽，而是解释器主动拦截——它不让你无限递归下去。
常见触发场景包括：处理深层嵌套结构（如 JSON、AST）、树的深度遍历、未设终止条件的误写、或对大数组做尾递归式分治（比如快速排序最坏情况）。
- 不要靠提高递归限制来“解决”问题，
sys.setrecursionlimit(10000)可能导致 C 层栈溢出，进程直接崩溃 - 真正该做的是：判断当前逻辑是否**必须用递归**；如果不是，优先改写为迭代
- 如果必须递归（比如算法教学、天然递归结构），要确保每次调用都向 base case 收敛，且收敛步长可验证
用显式栈替代隐式调用栈，把递归转成迭代
几乎所有递归都能重写为基于 list 或 collections.deque 的迭代。关键不是“去掉递归”，而是把函数调用帧的状态手动压入栈中。
以二叉树中序遍历为例：
# 错误示范：深度可能爆栈
def inorder_recursive(node):
if not node:
return
inorder_recursive(node.left)
print(node.val)
inorder_recursive(node.right)
<h1>正确做法：用栈模拟调用过程</h1><p>def inorder_iterative(root):
stack = []
current = root
while stack or current:
while current:
stack.append(current)
current = current.left
current = stack.pop()
print(current.val)
current = current.right
</p>
- 栈里存的是“还没处理完的现场”，不是单纯节点值
- 注意入栈/出栈顺序必须和原递归逻辑一致，否则遍历结果错乱
- 迭代版本通常更省内存（没有函数调用开销），也更容易加中断逻辑（比如限深度、超时退出）
尾递归无法被 Python 自动优化，别信“加装饰器就能跑得深”
Python 官方解释器（CPython）**不支持尾递归优化（TCO）**，任何尾递归写法在底层仍是普通递归调用，照样吃栈空间。网上流传的 @tail_call_optimized 装饰器，本质是用异常+捕获+重定向模拟跳转，既慢又不可靠，还会破坏调试信息和堆栈追踪。
- 别在生产代码里用这类装饰器，它会让错误难以定位，且在多线程下可能出问题
- 真需要尾递归语义，就老老实实改循环：把参数变成变量，在 while 循环里更新它们
- 例如阶乘尾递归：
fact(n, acc=1)→ 改成while n > 1: acc *= n; n -= 1
对不可控深度的数据，提前加深度防护
当你不得不递归处理外部输入（比如解析用户上传的嵌套 YAML），而结构深度无法预知时，硬编码终止条件比依赖系统限制更安全。
- 在函数参数中显式传入
depth，每次递归 +1，并与阈值比较 - 阈值建议设为 100～200，远低于
sys.getrecursionlimit()，留出余量给其他调用帧 - 遇到超深时抛出自定义异常（如
ValueError("Nested structure too deep")），而不是等RecursionError—— 前者可被捕获并友好提示，后者往往来不及清理资源
递归本身不是坏东西，但 Python 的执行模型决定了它不能当“通用循环”用。真正难的不是怎么绕过限制，而是识别出哪些地方本就不该递归——比如扁平化一个 50 层深的字典，用栈或队列 BFS 更稳；而校验括号匹配这种天然状态有限的问题，用计数器就够了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
