递归调用过深会触发RecursionError，因python默认限制递归深度约1000层。可通过sys.getrecursionlimit()查看，sys.setrecursionlimit()调整，但易致栈溢出。应优化递归结构，确保终止条件，减少重复计算，如用@lru_cache装饰器缓存结果，或改用迭代法避免深层递归问题。
Python中递归调用过深会触发RecursionError: maximum recursion depth exceeded错误。这是由于Python默认限制了递归调用栈的深度（通常为1000层左右），防止程序耗尽内存或导致崩溃。虽然可以手动提高限制，但这不是根本解决方案。合理优化递归逻辑或改用迭代方式才是关键。
1. 理解递归深度限制
Python解释器为防止无限递归设置了最大调用栈深度。可通过以下代码查看当前限制：
import sys
print(sys.getrecursionlimit()) # 默认一般为1000
也可临时提高限制：
立即学习“Python免费学习笔记（深入）”；
sys.setrecursionlimit(2000)
但这种方法有风险：设置过高可能导致栈溢出、程序崩溃或系统不稳定，尤其在资源受限环境中不推荐使用。
2. 优化递归函数结构
很多递归错误源于函数未正确收敛或存在冗余调用。优化方向包括：
- 确保有明确的终止条件：每个递归必须有能触发返回的基础情形（base case）
- 减少重复计算：如斐波那契数列问题，普通递归会产生指数级调用，可用记忆化缓存中间结果
示例：用@lru_cache优化斐波那契递归
from functools import lru_cache
@lru_cache(maxsize=None)
def fib(n):
if n return n
return fib(n-1) + fib(n-2)
这样可将时间复杂度从O(2^n)降至O(n)，大幅减少调用层数。
3. 改用迭代替代递归
对于可线性处理的问题，迭代方式更安全高效。例如计算阶乘或遍历树结构时，可用栈或队列模拟递归过程。
以计算n的阶乘为例：
def factorial_iterative(n):
result = 1
for i in range(1, n+1):
result *= i
return result
该方法空间复杂度为O(1)，不会触发递归深度问题。
4. 使用生成器或尾递归思想（配合转换）
Python不支持尾递归优化，但可借助循环模拟尾递归逻辑。例如判断链表是否回文或树的深度遍历时，可维护显式栈结构：
def tree_depth(root):
if not root:
return 0
stack = [(root, 1)]
max_depth = 0
while stack:
node, depth = stack.pop()
max_depth = max(max_depth, depth)
if node.left:
stack.append((node.left, depth + 1))
if node.right:
stack.append((node.right, depth + 1))
return max_depth
这种方式避免了深层函数调用，适合处理深度较大的树结构。
基本上就这些。遇到RecursionError时，优先检查逻辑是否陷入无限递归，再考虑记忆化、提高限制或转为迭代。最稳妥的方法是用显式数据结构代替隐式调用栈，既可控又高效。