递归函数printAll调用追踪实现及作业疑问求助

一、添加调用追踪代码 #

要追踪每次递归调用的参数，直接在函数里打印当前处理的序列即可，还可以加递归深度缩进让层级更直观：

def printAll(seq, depth=0):
    # 用缩进区分递归层级，打印当前调用的参数
    indent = "  " * depth
    print(f"{indent}调用printAll，当前处理序列: {seq}")
    
    if not seq:
        print(f"{indent}递归终止：空序列")
        return
    # 打印首元素
    print(f"{indent}输出元素: {seq[0]}")
    # 递归处理剩余元素，深度+1
    printAll(seq[1:], depth + 1)

这里的depth参数默认值设为0，每次递归调用时递增，用缩进字符串indent让不同层级的调用输出区分开，能清晰看到完整的递归调用链。

二、验证函数是否符合预期 #

写几组测试用例覆盖不同场景，确认输出和行为符合要求：

# 测试列表
print("=== 测试列表输入 ===")
printAll([1, 2, 3, 4])

# 测试字符串
print("\n=== 测试字符串输入 ===")
printAll("hello")

# 测试元组
print("\n=== 测试元组输入 ===")
printAll((10, 20, 30))

# 测试空序列（边界情况）
print("\n=== 测试空序列 ===")
printAll([])

# 测试单元素序列
print("\n=== 测试单元素序列 ===")
printAll(["test"])

运行后检查输出：每个元素会按顺序打印，递归调用的参数是每次切片后的剩余序列，空序列时触发终止逻辑，说明函数行为符合预期。

三、分析运行隐形成本 #

这个递归实现有两个明显的隐形成本：

• 切片内存开销：每次执行seq[1:]都会创建一个新的序列对象（列表、字符串、元组的切片都是新实例），长序列会生成大量中间对象，占用额外内存，拖慢执行速度。
• 递归栈限制与开销：Python默认递归深度上限约为1000，若序列长度超过这个值，会直接抛出RecursionError；另外每次递归调用都会在调用栈中保存函数上下文，增加内存消耗。

如果要优化，可以改用迭代版本，完全规避这些问题：

def printAll_iter(seq):
    for item in seq:
        print(item)

迭代版本没有切片和递归栈的额外开销，内存占用更稳定，也没有长度限制。

内容的提问来源于stack exchange，提问作者Ian Schaak