递归表达式必须包含明确的基例和递归体，用更小规模的同类子问题描述原问题，如阶乘n!=n×(n−1)!，需确保参数收敛、类型一致且与基例自洽。
函数表达式定义递归逻辑，关键在于**明确递归出口（基例）和递归体（调用自身的表达式）**，二者缺一不可。它不是单纯“写个 self-call”，而是用数学或逻辑关系把原问题拆解为更小的同类子问题，并确保每次调用都向出口靠近。
递归表达式必须包含两个核心成分
一个有效的递归表达式，本质是把函数当前行为用“自身在更小规模上的结果”来描述。例如阶乘：
n! = n × (n−1)!
这个等式就是递归表达式——它没直接算出结果，而是指出：要算 n 的阶乘，先算 n−1 的阶乘，再乘以 n。
- 它隐含了规模缩小：(n−1)! 比 n! 规模小 1
- 它依赖基例终止：当 n=0 时，定义 0!=1，不再展开
- 它保持问题类型一致：左边是阶乘，右边仍是阶乘，只是参数变小
写递归表达式时常见错误
很多初学者写出的“递归”实际是无效循环或逻辑断裂，典型问题包括：
-
缺少或错设基例：比如写
if n == 1: return 1，但输入可能是 0 或负数，导致无限调用 -
参数未真正缩小：如用
func(n)而不是func(n-1)，或缩小方式不收敛（如n//2但没处理奇偶边界） -
表达式与基例不自洽：比如定义斐波那契时写
f(n) = f(n-1) + f(n-2)，但基例只设f(0)=0，漏了f(1)=1，会导致 f(2) 计算错误
从问题描述直接推导递归表达式
不必凭空构造，可按三步走：
-
观察最小可解情形：比如字符串反转，空串或单字符就是结果本身 → 基例：
if len(s) ≤ 1: return s -
拆解一步操作：拿掉首字符，剩下部分递归反转，再把首字符拼到末尾 → 表达式：
reverse(s[1:]) + s[0] -
验证规模收敛性：每次调用
s[1:]长度减 1，终将触达基例
无返回值函数的递归表达式也存在
即使不返回值，递归逻辑仍体现为“当前动作 + 对子问题的相同动作”。例如倒计时：
- 基例：
if start - 表达式：
print(start); count_down(start - 1) - 这里“表达式”是语句序列，而非数学等式，但逻辑结构一致：先处理当前层（打印），再交由更小规模子问题处理剩余部分
