方法1：使用 flat() 进行深度扁平化
核心原理与使用场景
核心能力：flat() 是 ES2019 引入的数组扁平化方法，可以在一个调用中将多维数组“拉平”成一维数组，极大简化了数据结构的处理逻辑，是前端开发快速提升数据处理效率的利器。
深度参数：通过 depth 参数控制扁平化的层级，Infinity 能实现完全扁平化，适合任意嵌套深度的场景。
兼容性与替代：在较老的浏览器或环境中可能不支持 flat()，需要通过构建工具转换或使用替代实现来保证兼容性。
// 完全扁平化任意深度的嵌套数组
const nested = [1, [2, [3, 4], 5], [6, [7]]];
const flatInfinity = nested.flat(Infinity);
console.log(flatInfinity); // [1,2,3,4,5,6,7]
快速应用：在渲染列表、聚合数据或进行后续计算前，先扁平化可以避免多轮循环的开销，从而实现更高效的数据处理流程。
方法2：利用 reduce 与 concat 自定义深度扁平化
原理实现与边界条件
自定义实现：使用 reduce 对数组进行遍历，遇到子数组时递归合并，遇到基本类型直接拼接，灵活控制扁平化层级。
递归要点：通过判断 Array.isArray(item) 来决定是否继续递归，保证在深层嵌套时也能正确合并为一维数组。
性能注意：递归深度较大时，可能引发调用栈溢出，需要对极端结构设计非递归备选方案（如方法4）以提升稳定性。
// 递归实现深度扁平化，支持指定 depth
function flattenWithDepth(arr, depth = 1) {return depth > 0? arr.reduce((acc, item) => acc.concat(Array.isArray(item) ? flattenWithDepth(item, depth - 1) : item), []): arr.slice();
}const data = [1, [2, [3, 4], 5], 6];
console.log(flattenWithDepth(data, 2)); // [1, 2, [3, 4], 5, 6]
通用性强：该方法对各种嵌套结构均有效，且可通过 depth 调整扁平化深度，灵活性更高，快速提升数据处理效率在多层数据整合时尤为明显。
方法3：递归实现自定义扁平化（纯手写）
无依赖的结构化实现
纯递归方案：通过使用一个辅助函数不断深入子数组，遇到非数组则推入结果，确保按照原始顺序依次展开。
顺序保持：递归过程中将每一层的元素按从左到右的顺序拼接，最终得到完整的一维数组，便于后续计算或渲染。
异常情况：对非数组元素、空数组和混合类型数组均能正确处理，避免了类型检查的遗漏。
// 纯递归的深度扁平化，直到没有子数组
function flattenRecursive(arr) {const result = [];(function dfs(sub) {sub.forEach(item => {if (Array.isArray(item)) dfs(item);else result.push(item);});})(arr);return result;
}const data = [1, [2, [3, 4], 5], 6];
console.log(flattenRecursive(data)); // [1,2,3,4,5,6]
优点：实现简单直观，易于理解和维护，适合中等深度的嵌套结构，能够快速落地到项目中，提升数据处理效率。
方法4：使用显式栈实现非递归扁平化
非递归思路与内存控制
显式栈结构：通过一个栈来模拟递归调用的过程，避免了函数调用栈的深度限制，提升对极端嵌套结构的鲁棒性。
顺序保持策略：在遇到数组时将其元素按相反顺序推入栈中，出栈时再按正确顺序加入结果，确保原始顺序不被打乱。
性能与实现细节：使用原地循环代替递归，通常在大型数据集合中能显著降低调用栈压力，提升执行稳定性。
// 使用显式栈实现扁平化
function flattenWithStack(arr) {const stack = [...arr];const res = [];while (stack.length) {const cur = stack.pop();if (Array.isArray(cur)) {// 将子数组展开到栈中（逆序以保持顺序）stack.push(...cur.reverse());} else {res.push(cur);}}return res;
}const data = [1, [2, [3, 4], 5], 6];
console.log(flattenWithStack(data)); // [1,2,3,4,5,6]
稳定性与可控性：非递归实现对堆栈大小和迭代次数有直接控制，有助于在前端数据流较大时维持稳定性，并且对性能敏感场景特别友好。
方法5：使用生成器（yield*）实现惰性扁平化
惰性遍历与组合使用
生成器思路：通过递归的生成器函数对嵌套结构进行逐步遍历，使用 yield* 将子生成器的产出串联起来，形成一个惰性的数据流。
使用场景：适合需要逐步处理或在数据流中按需消费的场景，如处理海量数据或需要逐步渲染的 UI。
输出组合：可以通过 Array.from、扩展运算符或迭代器直接消费生成的值，灵活性极高。
// 生成器实现的扁平化
function* flattenGenerator(arr) {for (const item of arr) {if (Array.isArray(item)) {yield* flattenGenerator(item);} else {yield item;}}
}const data = [1, [2, [3, 4], 5], 6];
const result = [...flattenGenerator(data)]; // 将生成器结果转换为数组
console.log(result); // [1, 2, 3, 4, 5, 6]
惰性优势：边遍历边处理，内存占用更低，能在数据规模与渲染需求之间取得更好平衡，从而显著提升复杂数据处理的效率与灵活性。
