递归错误因调用过深触发，Python默认限制约1000层，常见于无终止条件或数据过大，解决需优化逻辑，确保退出条件正确。
当 Python 程序中函数调用自身过于频繁，导致调用栈过深时，会抛出 RecursionError: maximum recursion depth exceeded 错误。这是 Python 为防止栈溢出而设置的安全机制。
为什么会出现 RecursionError？
Python 默认限制递归深度为 1000 层左右（具体值可通过 sys.getrecursionlimit() 查看）。一旦递归层数超过这个阈值，就会触发错误。常见原因包括：
- 递归没有正确终止，陷入无限循环
- 输入数据过大，合法递归也超出默认限制
- 递归逻辑设计不当，重复计算或路径冗余
解决方法一：优化递归逻辑
确保递归函数有明确的退出条件，并且每次递归都向该条件靠近。
def factorial(n):if n return 1
return n * factorial(n - 1)
上面的例子有清晰的终止条
件 n ，不会无限递归。
解决方法二：增加递归深度限制
使用 sys.setrecursionlimit() 可手动提高上限：
import syssys.setrecursionlimit(2000) # 将限制设为2000
注意：此方法治标不治本。过高的限制可能导致程序崩溃或内存不足，尤其在资源受限环境中应谨慎使用。
解决方法三：改用迭代替代递归
许多递归问题可用循环更高效地解决，避免栈空间消耗。
def factorial_iterative(n):result = 1
for i in range(1, n + 1):
result *= i
return result
迭代方式执行更快、更安全，适合处理大规模数据。
进阶技巧：尾递归优化与记忆化
虽然 Python 不支持自动尾递归优化，但可通过装饰器模拟。另外，使用 @lru_cache 能减少重复递归调用：
from functools import lru_cache@lru_cache(maxsize=None)
def fib(n):
if n return n
return fib(n - 1) + fib(n - 2)
记忆化能显著降低实际递归深度，避免超限。
基本上就这些。遇到 RecursionError 优先检查逻辑是否死循环，再考虑增大限制或重构为迭代。合理设计算法比强行提升限制更重要。
