在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。
标签：至少1个，最多5个
造了一个轮子，根据GitHub项目地址，生成项目目录树，直观的展现项目结构，以便于介绍项目。欢迎Star。
GitHub API
应用涉及到了展现目录树，实现方法不可或缺的一定是递归遍历。进而开启了我对lambda演算的探索发现之旅。
探索发现之旅
本次乘坐的是 斐波那契 号邮轮，下面会涉及到一些 JavaScript 函数式编程中的一些基本概念。如果出现眩晕、恶心（kan bu dong)等不良反应，想下船的旅客纯属正常。常旅客请安心乘坐。
函数式编程中，接受函数作为参数，或者返回一个函数作为结果的函数通常就被称为高阶函数。
map、filter、reduce 均属于高阶函数，高阶函数并不神秘，我们日常编程也会用到。
ES6 中的 map 例子
const arr = [1, 2, 3, 4, 5, 6]
const powArr = arr.map(v =& v * v)
console.log(powArr) // [ 1, 4, 9, 16, 25, 36 ]
尾调用（Tail Call）是函数式编程的一个重要概念，本身非常简单，是指某个函数的最后一步是调用另一个函数。尾调用即是一个作为返回值输出的高阶函数。
function f(x) {
return g(x);
函数f()在尾部调用了函数g()
尾调用的重要性在于它可以不在调用栈上面添加一个新的堆栈帧，而是更新它，如同迭代一般。
递归我们都不陌生，函数调用自身，称为递归。如果尾调用自身，就称为尾递归。通常被用于解释递归的程序是计算阶乘：
function factorial(n) {
return n === 1 ? 1 : n * factorial(n - 1);
factorial(6) // =& 720
const factorial = n =& n === 1 ? 1 : n * factorial(n - 1)
factorial(6) // =& 720
递归非常耗费内存，因为需要同时保存成千上百个调用记录，很容易发生“栈溢出”错误（stack overflow）。但对于尾递归来说，由于只存在一个调用记录，所以永远不会发生“栈溢出”错误。对函数调用在尾位置的递归或互相递归的函数，由于函数自身调用次数很多，递归层级很深，尾递归优化则使原本 O(n) 的调用栈空间只需要 O(1)
尾递归因而具有两个特征：
调用自身函数(Self-called)；
计算仅占用常量栈空间(Stack Space)。
再看看尾递归优化过的阶乘函数：
function factorial(n, total) {
return n === 1 ? total : factorial(n - 1, n * total);
factorial(6, 1) // =& 720
const factorial = (n, total) =& n === 1 ? total : factorial(n - 1, n * total)
factorial(6, 1) // =& 720
在ES6中，只要使用尾递归，就不会发生栈溢出，相对节省内存。
上面的阶乘函数factorial，尾递归优化后的阶乘函数使用到了total这个中间变量，为了做到递归实现，确保最后一步只调用自身，把这个中间变量改写成函数的参数，这样做是有缺点的，为什么计算6的阶乘，还要传入两个变量6和1呢？解决方案就是柯里化。
（Currying），是把接受多个参数的函数变换成接受一个单一参数的函数，并且返回接受余下的参数而且返回结果的新函数的技术。
维基百科上的解释稍微有点绕了，简单来说，一个 currying 的函数只传递给函数一部分参数来调用它，让它返回一个闭包函数去处理剩下的参数。
// 阶乘尾递归优化写法
function currying(fn, n) {
return function (m) {
return fn.call(this, m, n);
function tailFactorial(n, total) {
if (n === 1)
return tailFactorial(n - 1, n * total);
const factorial = currying(tailFactorial, 1);
factorial(6) // =& 720
下面看下 ES6 中的 柯里化：
const fact = (n, total) =& n === 1 ? total : fact(n - 1, n * total)
const currying = f =& n =& m =& f(m, n)
const factorial = currying(fact)(1)
factorial(6) // =& 720
上面代码通过柯里化，将尾递归变为只接受单个参数的 factorial，得到了想要的factorial(6) 独参函数。
思考?，有木有更简单的方法实现上面独参尾递归栗子。当然有，利用ES6的函数新特性，函数默认值。
简单化问题：
const fact = (n, total = 1) =& n === 1 ? total : fact(n - 1, n * total)
factorial(6) // =& 720
Lambda表达式
在 JavaScript 中，Lambda表达式可以表示匿名函数。
恒等函数在 JavaScript 中的栗子：
var f = function (x) {
const f = x =& x
用 lambda表达式 来写是这样子的：λx.x
现在试着用lambda表达式写出递归（匿名函数递归），使用具有递归效果的lambda表达式，将lambda表达式作为参数之一传入其自身。
function factorial(f, n) {
return n === 1 ? 1 : n * f(f, n - 1)
factorial(factorial, 6) // =& 720
const factorial = (f, n) =& n === 1 ? 1 : n * f(f, n - 1)
factorial(factorial, 6) // =& 720
是的，这么做还是太难看了，没人希望写一个阶乘函数还要传入其他参数。解决方案仍然是柯里化。尾调用优化后的Lambda表达式递归：
const fact = (f, n ,total = 1) =& n === 1 ? total : f(f, n - 1, n * total)
const currying = f =& n =& m =& f(f, m ,n)
const factorial = currying(fact)()
factorial(6) // =& 720
最终达到了目的，得到了独参函数factorial。
Lambda演算
在中的所有函数都是匿名的，它们没有名称，它们只接受一个输入变量，即独参函数。
构建一个高阶函数，它接受一个函数作为参数，并让这个函数将自身作为参数调用其自身:
const invokeWithSelf = f =& f(f)
用Lambda演算写出递归栗子：
const fact = f =& (total = 1) =& n =& n === 1 ? total : f(f)(n * total)(n - 1)
const factorial = fact(fact)()
factorial(6) // =& 720
黑魔法Y组合子
Y = λf.(λx.f(xx))(λx.f(xx))
η-变换后的写法：
Y = λf.(λx.f(λv.x(x)(v)))(λx.f(λv.x(x)(v)))
用ES6箭头函数写出lambda演算Y组合子
const Y = f =&
(x =& f(v =& x(x)(v)))
(x =& f(v =& x(x)(v)))
Y组合子推导
以匿名函数递归开始
const fact = f =& (total = 1) =& n =& n === 1 ? total : f(f)(n * total)(n - 1)
const factorial = fact(fact)()
factorial(6) // =& 720
上面代码有一种模式被重复了三次， f(f) 两次， fact(fact) 一次。为了让代码更加 DRY ，尝试把 f(f) 解耦，当作参数传递。
const fact = f =&
(g =& (total = 1) =& n =& n === 1 ? total : g(n * total)(n - 1))(f(f))
const factorial = fact(fact)()
factorial(6) // =& Maximum call stack size exceeded
当然上面代码运行结果会栈溢出，因为 JavaScript 中参数是 按值传递 的，形参必须先求值再作为实参传入函数，f(f) 作为参数传递时，会无限递归调用自身，导致栈溢出。这时候就需要用到 lambda 演算中的 η-变换。其原理是用到了。
什么是？如果两个函数对于任意的输入都能产生相同的行为（即返回相同的结果），那么可以认为这两个函数是相等的。
lambda演算中有效的η-变换：f = λx.(fx)
JavaScript中的η-变换：f = x =& f(x)
根据η-变换，f(f) 作为函数代入，等价于 x =& f(f)(x)
const fact = x =& (f =& (total = 1) =& n =& n === 1 ? total : f(n * total)(n - 1))(v =& x(x)(v))
const factorial = fact(fact)()
factorial(6) // =& 720
也许你也已经发现f =& (total = 1) =& n =& n === 1 ? total : f(n * total)(n - 1)这就是柯里化后的递归方法。抽离出 fact 方法。
const fact = f =& (total = 1) =& n =& n === 1 ? total : f(n * total)(n - 1)
const factorial = (x =& fact((v =& x(x)(v))))(x =& fact((v =& x(x)(v))))()
factorial(6) // =& 720
将具名 fact 函数变为匿名函数，构建一个工厂函数 Y，将 fact 函数作为参数传入。
const fact = f =& (total = 1) =& n =& n === 1 ? total : f(n * total)(n - 1)
const Y = f =& (x =& f(v =& x(x)(v)))
(x =& f(v =& x(x)(v))) // 瞧，这不就是黑魔法Y组合子嘛
const factorial = Y(fact)()
factorial(6) // =& 720
用Y组合子实现的匿名递归函数，它不仅适用于阶乘函数的递归处理，任意递归工厂函数经过Y函数后，都能得到真正的递归函数。
斐波那契数列
在数学上，是以递归的方法定义的：
用文字来说：就是斐波那契数列由0和1开始，之后的斐波那契系数就由之前的两数加和。
0,1,1,2,3,5,8,13,21,34,55,89,144,233......
用JavaScript递归实现：
// 非尾递归
function fibonacci (n) {
if ( n &= 1 ) return 1;
return fibonacci(n - 1) + fibonacci(n - 2);
fibonacci(6) // 13
使用尾调用优化的斐波那契数列
// 尾递归写法
function fibonacci (n , before , after) {
if( n &= 1 )
return fibonacci (n - 1, after, before + after);
fibonacci(6, 1, 2) // 13
使用lambda表达式的斐波那契数列
// ES6 lambda calculus
const Y = f =& (x =& f(v =& x(x)(v)))(x =& f(v =& x(x)(v)))
const fibonacci = Y(
f =& (n) =& n &= 1 ? 1 : f(n - 1) + f(n - 2)
fibonacci(6) // 13
德罗斯特效应
在生活中，（Droste effect）是递归的一种视觉形式，指一张图片部分与整张图片相同，一张有德罗斯特效应的图片，在其中会有一小部分是和整张图片类似。 而这小部分的图片中，又会有一小部分是和整张图片类似，以此类推，……。德罗斯特效应的名称是由于荷兰著名厂牌德罗斯特（Droste） 可可粉的包装盒，包装盒上的图案是一位护士拿着一个有杯子及纸盒的托盘，而杯子及纸盒上的图案和整张图片相同
我在做项目的过程中学习到了很多之前没有接触过的东西，这也是我的初衷，想到各种各样的idea，去想办法实现它，过程中自然会提升自己的见识。以此篇博文激励自己继续学习下去。
1 收藏&&|&&1
你可能感兴趣的文章
4 收藏，1.2k
36 收藏，3.7k
本作品采用 署名-非商业性使用-禁止演绎 4.0 国际许可协议 进行许可
分享到微博？
我要该，理由是：
在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。ul').hide()" onmouseenter="jQuery('.sitegroup>ul').show()">
绔嬪嵆鍏呭