Python树递归易栈溢出，因默认递归深度限制为1000且每层调用压入栈帧；改用list模拟栈的迭代DFS可自主控制空间，避免RecursionError。
为什么树递归容易栈溢出
Python 默认递归深度限制是 1000，而一棵深度为 1000+ 的树（比如倾斜二叉树、嵌套 JSON 层级过深）在递归遍历时会直接触发 RecursionError: maximum recursion depth exceeded。这不是代码写错了，而是函数调用栈被填满——每层递归都压入一个栈帧，保存局部变量、返回地址等，空间开销不可忽略。
用 list 模拟调用栈实现 DFS
核心思路：把“函数调用”变成“往列表里存状态”，每次 pop() 一个待处理节点，处理完再把子节点 append() 进去。这样栈空间由你控制，不会触达 Python 的递归限制。
以嵌套字典树为例：
def traverse_tree_iterative(root):
stack = [(root, "")]
while stack:
node, path = stack.pop()
print(f"访问: {path + node['name']}")
# 注意：reversed() 是为了保持原递归顺序（先左后右）
for child in reversed(node.get('children', [])):
stack.append((child, path + node['name'] + "/"))
- 每个栈元素是元组
(node, path)，替代了递归中隐式的参数传递 - 用
list而非deque即可，因为只用append()和pop()，性能足够 - 如果原逻辑需要“进入子树前执行 A，退出后执行 B”，就得拆成多个状态标记（如
('enter', node, path)/('exit', node)），再在循环中分情况处理
迭代改写时容易漏掉的边界
递归天然带状态隔离，迭代手动维护时容易出错：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
- 忘记初始化
stack，或初始值类型不对（比如传了root而不是(root, "")） - 子节点压栈顺序没反向，导致遍历顺序和原递归不一致（尤其当业务依赖顺序时）
- 对空子节点列表没做
get('children', [])防御，遇到缺失键直接KeyError - 路径拼接中用了
+=字符串（Python 中字符串不可变，每次都会新建对象），深层树下内存抖动明显；可改用path + "/" + node['name']或提前构建list最后'/'.join()
什么时候还该保留递归
不是所有树结构都必须改成迭代。若明确知道输入深度 ≤ 200（比如配置文件解析、前端传来的表单树），用递归更直观、易测、少出错。真正该切迭代的场景是：
- 输入来源不可控（如用户上传的任意嵌套 JSON）
- 树结构来自数据库递归查询（如无限级分类），深度可能达数百甚至上千
- 已有递归逻辑跑出
RecursionError，且无法加深度限制（例如部署在资源受限容器中，sys.setrecursionlimit()可能失败或引发段错误）
最关键的判断点：栈帧里的数据量。如果每个递归调用只存几个小变量，那迭代和递归空间差异不大；但如果存了大对象引用或闭包环境，手动栈反而更容易暴露内存问题——这时候得同步检查数据模型本身是否合理。
