一、使用递归的背景
先来看一个☝️接口结构：
这个孩子，他是一个列表，下面有6个元素
展开children下第一个元素[0]看看：
发现[0]除了包含一些字段信息，还包含了 children 这个字段（喜当爹），同时这个children下包含了2个元素：
展开他的第一个元素，不出所料，也含有children字段（人均有娃）
可以理解为children是个对象，他包含了一些属性，特别的是其中有一个属性与父级children是一模一样的，他包含父级children所有的属性。
比如每个children都包含了一个name字段，我们要拿到所有children里name字段的值，这时候就要用到递归啦～
二、find_children.py
拆分理解：
1.首先import requests库，用它请求并获取接口返回的数据
2.若children以上还有很多层级，可以缩小数据范围，定位到children的上一层级
3.来看看定义的函数
我们的函数调用：find_children(node_f, 'children')
其中，node_f：json字段
children：递归对象
以下这段是实现递归的核心：
if items['children']:
items['children']不为None，表示该元素下的children字段还有子类数据值，此时满足if条件，可理解为 if 1。
items['children']为None，表示该元素下children值为None，没有后续可递归值，此时不满足if条件，可理解为 if 0，不会再执行if下的语句（不会再递归）。
至此，每一层级中children的name以及下一层级children的name就都取出来了
希望到这里能帮助大家理解递归的思路，以后根据这个模板直接套用就行
（晚安啦～）
源码参考： https://www.coder4.com/archives/5767
递归算法常用来解决结构相似的问题。
所谓结构相似，是指构成原问题的子问题与原问题在结构上相似，可以用类似的方法解决。具体地，整个问题的解决，可以分为两部分：第一部分是一些特殊情况，有直接的解法；第二部分与原问题相似，但比原问题的规模小，并且依赖第一部分的结果。
本质上，递归是把一个不能或不好解决的大问题转化成一个或几个小问题，再把这些小问题进一步分解成更小的问题，直至每个小问题都可以直接解决。
实际上，递归会将前面所有调用的函数暂时挂起，直到递归终止条件给出明确的结果后，才会将所有挂起的内容进行反向计算。其实，递归也可以看作是一种反向计算的过程，前面调用递归的过程只是将表达式罗列出来，待终止条件出现后，才依次从后向前倒序计算前面挂起的内容，最后将所有的结果一起返回。
python不能无限的递归调用下去。并且当输入的值太大，递归次数太多时，python 都会报错
首先说结论，python解释器这么会限制递归次数，这么做为了避免"无限"调用导致的堆栈溢出。
tail recursion 就是指在程序最后一步执行递归。这种函数称为 tail recursion function。举个例子：
这个函数就是普通的递归函数，它在递归之后又进行了 乘 的操作。 这种普通递归，每一次递归调用都会重新推入一个调用堆栈。
把上述调用改成 tail recursion function
tail recursion 的好处是每一次都计算完，将结果传递给下一次调用，然后本次调用任务就结束了，不会参与到下一次的递归调用。这种情况下，只重复用到了一个堆栈。因此可以优化结构。就算是多次循环，也不会出现栈溢出的情况。这就是 tail recursion optimization 。
c和c++都有这种优化， python没有，所以限制了调用次数，就是为了防止无限递归造成的栈溢出。
如果递归次数过多，导致了开头的报错，可以使用 sys 包手动设置recursion的limit
手动放大 recursionlimit 限制：
