免费 AI IDE
你刷算法题时遇到"用递归写斐波那契"，照着答案抄能跑，但让自己写就卡壳：函数到底怎么调用自己？为什么不会无限循环？简单说，递归就是函数自己调用自己，而所谓递归函数，就是会在执行期间调用自身的一种函数，但它必须有一个明确的终止条件，否则就会一直调下去直到栈溢出。本文基于 Python 3.10 演示，把递归拆成"基线条件 + 递归步骤"两部分，配合阶乘、遍历文件夹等例子讲清它为什么能 work、又为什么会爆栈。今天这篇文章，编程狮就用大白话把它讲透。
一、递归一句话定义：函数自己调用自己
递归，就是一个函数在执行过程中又调用了它自己。所谓递归函数，必须满足两个前提：第一，每次调用都要让问题规模变小，朝着能直接解决的方向走；第二，必须有一个不再继续调用的出口，也就是基线条件。
最常见的一个比喻是"俄罗斯套娃"：打开一个大娃娃，里面还是一个一模一样的小娃娃，再打开还是。函数也是这样，每次调用都进入一个更小规模、但逻辑相同的自己。理解了套娃这个画面，你就抓到了它的精髓：这不是"重复"，而是"把同一个动作作用在越来越小的规模上"，直到小到不用再分。
缺了出口，函数会一层层调用下去，直到把内存里的调用栈撑爆，抛出 RecursionError。这部分内存叫调用栈，每调用一次函数就压入一帧、保存当前参数，返回时再弹出，调用和返回一一对应。平时写代码，遇到"先把大问题拆成小问题、小到一定程度直接给答案"的模式，就可以想想能不能用这种写法。它不炫技，而是让代码更贴近问题本身的结构。初学者先接受"函数能调用自己"这件事，后面看代码会顺很多。
如果你刚学 Python，可以先过一遍 Python 基础入门教程，把函数和循环这两个基础打牢。
二、拆开看：递归 = 基线条件 + 递归步骤
几乎所有递归都能拆成两块。基线条件是"最小、不用再分的情况"，直接返回答案；递归步骤是"把大问题拆成小问题，再调用自己"。以阶乘为例，n! 等于 n 乘以 (n-1)!：
def factorial(n):
if n == 0: # 基线条件：0! = 1
return 1
return n * factorial(n - 1) # 递归步骤：交给更小的自己当你调用 factorial(3)，它会变成 3 factorial(2)，再变成 3 2 * factorial(1)，一直到 factorial(0) 命中基线返回 1，然后一层层把结果乘回来。每进入一层，调用栈就压入一帧保存当前 n；命中基线后，从最深那层开始返回、栈也随之弹出。这个过程就像叠盘子再一个个撤下来。更多编程范式相关的概念，软件工程入门教程 里有更系统的讲解。
写递归时，先在纸上画出前两层调用，往往比盯着代码空想更管用。
调用栈可以理解成一摞盘子：每调用一层，就往顶上放一个写着当前参数的盘子；函数返回时，再从顶上拿走最上面的那个。所以层数越深，盘子堆得越高，堆到超过上限就塌了——这就是栈溢出的直观画面。基线条件的作用，就是让这摞盘子及时停止往上堆。
三、三个经典例子：阶乘、斐波那契、遍历文件夹
阶乘之外，斐波那契是另一个经典。第 n 项等于前两项之和，基线条件是 n 为 0 或 1：
def fib(n):
if n < 2: # 基线条件
return n
return fib(n - 1) + fib(n - 2) # 递归步骤第三个例子更贴近实际：遍历一个文件夹下的所有子文件夹。目录结构是天然的树，递归刚好能一层层钻进去：
import os
def walk(folder):
for name in os.listdir(folder):
path = os.path.join(folder, name)
if os.path.isdir(path):
walk(path) # 遇到子文件夹，递归进去
else:
print(path) # 是文件就处理其实很多树形结构都适合这么写。比如二叉树的前序遍历，就是"先访问根节点，再递归访问左子树、右子树"。为什么树形结构特别适合这种写法？因为树本身就是"一个节点挂着若干子节点"的定义，用循环去模拟反而要自己维护一个栈，代码又长又容易错。把"访问根、再处理子树"直接写成"先处理、再调用自身处理子树"，和定义几乎一一对应，读起来也顺。递归思维的本质，是用"更小的自己"去解决"更大的问题"，只要拆得对，再复杂的结构也能被几行代码表达清楚。语法细节拿不准，在线编程词典 能直接查 os 模块和递归相关的条目。
四、递归和循环怎么互相改写，以及两个常见坑
递归和循环经常能互相改写。比如阶乘用循环写就是从头乘到尾，没有函数自己调自己，也就没有栈溢出的风险。一般来说，逻辑本身像"树"或"分治"的问题用递归更直观；简单的重复动作用循环更省内存。
两个最常见的坑：一是忘了写基线条件，或者基线条件永远命中不了，结果无限递归直到报错；二是重复计算，像上面的斐波那契，fib(n-1) 和 fib(n-2) 会反复算同一项，数据稍大就慢得离谱，这种要用"记忆化"或干脆改成循环。
还有一点值得知道：如果递归调用是函数里的最后一步（叫尾递归），有些语言会把它优化成循环、不占新栈帧；但 Python 不做这种优化，所以即便写成尾递归，层数深了一样会爆栈。这也是为什么数据量大时优先考虑循环。理解了这个边界，你就不会迷信递归，也不会害怕它——它就是工具箱里的一件趁手工具。
把阶乘从递归改成循环，其实就是把"交给更小的自己"换成"用变量一路乘下去"：
def factorial_loop(n):
result = 1
for i in range(1, n + 1):
result *= i
return result没有函数调用自己，也就没有栈帧堆积，n 再大也不会爆栈。遇到能用循环清晰表达的场景，优先选循环更稳。
下面把两种写法摆在一起对比：
| 写法 | 适合场景 | 优点 | 代价 |
|---|---|---|---|
| 递归 | 树形、分治类问题 | 代码直观、贴近定义 | 占调用栈、易重复计算 |
| 循环 | 线性重复动作 | 省内存、好控制 | 复杂结构写起来绕 |
一句话总结怎么选：问题本身像树、像分形，或者能自然拆成相同结构的子问题，用递归最省脑；问题是一条线、或者数据规模可能很大，用循环更靠谱。新手常犯的错是一上来就硬套递归，其实先把循环写对、再想能不能递归，会更稳。
总结
递归就是函数自己调用自己，一个合格的递归函数必须配一个明确的基线条件作为出口，否则会无限调用直到栈溢出。记住三句话：
- 递归 = 基线条件 + 递归步骤，两者缺一不可；
- 每次调用都要让问题规模变小，逼近基线；
- 递归和循环可互转，重复计算多或数据大时优先考虑循环。
想继续夯实编程底层思维，可以顺着下面的路径走。
延伸学习
想把基础算法思维补扎实，可以按这个顺序来：
常见问题
Q：递归为什么不会无限循环？
A：因为有基线条件。一旦参数小到命中基线，函数就不再调用自己，直接返回，从而终止整条调用链。
Q：递归和循环哪个更好？
A：没有绝对好坏。树形、分治类问题递归更直观；简单重复或数据量大时，循环更省内存、更可控。
Q：什么是栈溢出，递归为什么会引发？
A：每次函数调用都会在调用栈占一块空间，递归层数太深会把栈撑满，Python 会抛出 RecursionError，这就是栈溢出。
Q：斐波那契的递归为什么那么慢？
A：因为它大量重复计算同一项，比如 fib(5) 会反复算 fib(3)、fib(2)。用记忆化缓存或改成循环能显著提速。
