1. 从一道课后题说起为什么要在MATLAB里折腾罗马数字很多人第一次接触数字转罗马数字这个需求场景都差不多——要么是编程课的一道练习题要么是某个数据处理脚本里突然冒出来的一列看起来像乱码的字符串需要还原成阿拉伯数字要么就是做报表时甲方要求把章节号写成 I、II、III 这种格式。我最早遇到这个问题是帮一个做教育类工具的朋友处理题库数据里面有一批题目编号用的是罗马数字需要批量转成普通数字再做排序和去重。当时第一反应是这还不简单写个映射表查一下不就完了结果真动手才发现罗马数字的规则比想象中要别扭得多。罗马数字这套体系最坑的地方在于它不是纯位置记数法而是加减混合的记数法。同一个符号 I放在 V 左边表示 4减法放在 V 右边表示 6加法。这就意味着你不能像处理二进制、十六进制那样简单地按位取值再乘权重必须考虑符号之间的相对位置关系。更麻烦的是罗马数字的表示法在历史上并不唯一比如 4 可以写成 IV也可以写成 IIII钟表盘上至今还有用 IIII 的传统9 可以写成 IX 也可以写成 VIIII。但现代编程题和实际应用里通常默认采用标准形式也就是尽量用减法规则的那种最简写法。MATLAB 这个环境又有点特殊。它不像 Python 有现成的第三方库可以一行调用也不像 JavaScript 那样字符串处理灵活到飞起。MATLAB 的强项是矩阵运算和数值计算字符串处理虽然这些年一直在改进特别是引入了 string 类型之后但很多老用户还是习惯用 char 数组这就导致写转换函数时字符串拼接、索引、类型转换这些操作需要格外小心。我见过不少人在 MATLAB 里写罗马数字转换代码跑是能跑但一遇到边界值就出问题或者效率低得离谱处理几万条数据要等好几分钟。这篇文章就是把我自己踩过的坑、试过的几种方案、以及最终沉淀下来的一套比较稳妥的实现思路完整地分享出来。不管你是刚学 MATLAB 的新手还是需要在实际项目里批量处理这类转换的开发者应该都能从中找到可以直接拿去用的东西。我会从最基础的规则讲起然后给出两种不同风格的实现——一种追求代码简洁易读一种追求运行效率和健壮性最后再聊聊实际项目中那些文档里不会写的注意事项。2. 罗马数字的构成规则先把游戏规则彻底搞明白2.1 七个基本符号与它们的势力范围罗马数字的核心符号一共就七个这个必须背下来没有捷径符号数值备注I1最基础的单位V5半十X10十L50半百C100百D500半千M1000千这七个符号的数值分布有个规律除了 I 之外其余都是5 乘以 10 的幂或者10 的幂。V5×10⁰X10¹L5×10¹C10²D5×10²M10³。理解这个规律对后面写算法很有帮助因为它意味着罗马数字的构造本质上是按十进制位来组织的只不过每一位内部用了 1、5、10 这三个基准来表达 1 到 9。2.2 加法规则与减法规则什么时候该减罗马数字读数的基本逻辑是从左到右如果右边的符号数值小于或等于左边的就做加法如果右边的符号数值大于左边的就做减法。举个例子VIII 读作 51118而 IV 读作 5-14。这个规则听起来简单但实际应用时有几个约束必须遵守否则就会产生非法的罗马数字。第一个约束是减法只能用在特定的符号对上。具体来说只有以下六种减法组合是合法的I 可以放在 V 和 X 前面IV4IX9X 可以放在 L 和 C 前面XL40XC90C 可以放在 D 和 M 前面CD400CM900你不能写 IL 来表示 49也不能写 IC 来表示 99这些都是非法的。这个约束的本质是减法只能发生在同一数量级的相邻符号之间不能跨级。第二个约束是同一个符号最多连续出现三次。比如 3 写成 III 没问题但 4 不能写成 IIII虽然钟表上可以必须写成 IV。同理40 是 XL 而不是 XXXX400 是 CD 而不是 CCCC。这个最多三次的规则配合减法规则就保证了每个数字的标准罗马数字表示是唯一的。第三个约束是 V、L、D 这三个符号不能重复也不能作为减数。也就是说你不能写 VV 来表示 10也不能写 VX 来表示 5。这三个符号在罗马数字体系里扮演的是辅助位的角色只出现一次。2.3 标准形式与变体实际项目中该采用哪种前面提到过罗马数字在历史上存在多种写法。比如 4 可以写 IV 也可以写 IIII8 可以写 VIII 也可以写 IIX。但在现代编程和数据处理场景下几乎所有的需求都默认采用标准形式也就是能用减法就用减法4IV 而不是 IIII每个符号最多连续三次从左到右按数值从大到小排列减法组合除外我之所以强调这一点是因为在实际项目中你拿到的数据可能并不规范。比如从某个老旧系统导出的数据里可能混着 IIII 这种写法。如果你的转换函数只认标准形式遇到这种数据就会报错或者给出错误结果。所以一个健壮的实现应该在解析阶段就考虑到这些变体或者在文档里明确说明只支持标准形式。提示如果你是在做数据清洗建议先写一个校验函数把非标准形式的罗马数字标记出来人工确认后再决定是转换还是丢弃。不要假设所有输入都是规范的。3. 算法设计的核心思路从查表法到贪心法3.1 最直观的查表法为什么它不适合大范围转换刚接触这个问题时很多人的第一反应是建一个哈希表把 1 到 3999 的所有罗马数字都存进去转换时直接查表。这个方法在 MATLAB 里可以用 containers.Map 或者简单的字符串数组来实现。优点是逻辑简单不容易出错缺点是扩展性极差——罗马数字的标准形式虽然通常只讨论到 3999因为 4000 以上需要用上划线符号在纯文本环境里不好表示但如果你需要处理更大的数字或者需要反向转换罗马转阿拉伯查表法就力不从心了。更重要的是查表法在 MATLAB 里有个隐藏的性能问题。如果你用 containers.Map每次查询都有哈希计算的开销如果你用字符串数组做索引那数组的长度会随着数字范围线性增长。我实测过用查表法处理 10 万条随机数字耗时大约是用算法法处理的 3 到 5 倍。对于小批量数据无所谓但如果是在一个循环里反复调用这个差距就会累积得很明显。3.2 贪心法的核心逻辑从大到小能减就减贪心法是解决这个问题的经典思路也是我个人最推荐的方法。它的逻辑非常符合直觉把罗马数字的符号按数值从大到小排列然后对于给定的数字每次尽可能用最大的符号去减直到数字减到 0。具体来说我们需要一个符号-数值对照表但不仅仅是那七个基本符号还要包括六个减法组合符号数值M1000CM900D500CD400C100XC90L50XL40X10IX9V5IV4I1这个表一共 13 项按数值从大到小排列。算法流程就是从第一项开始如果当前数字大于等于当前符号的数值就把这个符号追加到结果字符串里同时从数字里减去对应的值否则移动到下一项。重复这个过程直到数字变成 0。这个算法的时间复杂度是 O(1) 级别的——因为符号表是固定的 13 项不管输入数字多大循环次数都是常数级别。空间复杂度也很低只需要一个结果字符串。在 MATLAB 里实现起来大概十几行代码就能搞定。3.3 为什么贪心法能保证得到标准形式这里有个值得思考的问题为什么贪心法能保证得到的是标准形式而不是某种局部最优但全局不优的结果原因在于罗马数字的符号体系设计得非常巧妙——每个符号的数值都大于所有比它小的符号之和在考虑减法组合之后。比如 M1000而比它小的所有符号加起来最大能表示 999CMXCIX所以只要数字大于等于 1000用 M 一定是安全的不会出现用了 M 之后剩下的数字没法用更小的符号表示的情况。这个性质在算法设计里叫做贪心选择性质是贪心算法能给出最优解的前提。罗马数字的符号体系恰好满足这个性质所以贪心法在这里是严格正确的。理解这一点很重要因为它意味着你不需要去考虑动态规划或者回溯之类的复杂方法简单的贪心就够了。4. MATLAB 实现两种风格各有各的适用场景4.1 简洁版实现适合脚本里快速调用先来看一个最简洁的实现适合放在脚本里或者作为局部函数使用function romanStr num2roman_simple(num) % 输入校验 if num 1 || num 3999 || num ~ floor(num) error(输入必须是 1 到 3999 之间的整数); end % 符号表按数值从大到小排列 symbols {M,CM,D,CD,C,XC,L,XL,X,IX,V,IV,I}; values [1000, 900, 500, 400, 100, 90, 50, 40, 10, 9, 5, 4, 1]; romanStr ; for i 1:length(values) while num values(i) romanStr [romanStr, symbols{i}]; num num - values(i); end end end这段代码的逻辑非常直白就是前面说的贪心法。几个细节值得说明第一输入校验里我加了num ~ floor(num)来判断是否为整数。MATLAB 里数字默认是 double 类型如果不加这个判断传入 3.5 这样的值会导致 while 循环陷入奇怪的状态。当然你也可以用mod(num,1) ~ 0来判断效果一样。第二上界设为 3999 是因为标准罗马数字在纯文本环境下最大只能表示到 3999MMMCMXCIX。如果你需要表示更大的数字就需要引入上划线符号那在 MATLAB 里处理起来会麻烦很多通常不建议。第三字符串拼接用的是[romanStr, symbols{i}]这种 char 数组拼接方式。在 MATLAB 的较新版本里你也可以用 string 类型和运算符代码会更清爽一些但要注意 string 类型和 char 类型混用时的类型转换问题。4.2 高效版实现预分配与向量化思路上面那个简洁版有个性能隐患每次循环都在做字符串拼接而 MATLAB 里 char 数组的拼接实际上是创建了一个新数组并复制内容时间复杂度是 O(n)。虽然对于最大 15 个字符的罗马数字来说这个开销微乎其微但如果你要处理几十万条数据累积起来就不容忽视了。一个优化思路是预先分配一个足够大的字符数组然后用索引往里填function romanStr num2roman_fast(num) if num 1 || num 3999 || num ~ floor(num) error(输入必须是 1 到 3999 之间的整数); end symbols {M,CM,D,CD,C,XC,L,XL,X,IX,V,IV,I}; values [1000, 900, 500, 400, 100, 90, 50, 40, 10, 9, 5, 4, 1]; % 预分配最大长度是 153888 MMMDCCCLXXXVIII buf repmat( , 1, 15); pos 1; for i 1:length(values) while num values(i) sym symbols{i}; len length(sym); buf(pos:poslen-1) sym; pos pos len; num num - values(i); end end romanStr buf(1:pos-1); end这个版本的核心改动是用一个固定长度的字符数组 buf 来暂存结果避免了反复的字符串拼接。实测下来在处理大批量数据时这个版本比简洁版快大约 20% 到 30%。当然对于单次调用来说这点差异完全可以忽略所以选择哪个版本主要看你的使用场景。4.3 反向转换罗马数字转阿拉伯数字的坑实际项目里反向转换的需求往往比正向转换更常见——你拿到一列罗马数字需要转成普通数字才能排序、比较、做统计。反向转换的算法逻辑是从左到右遍历罗马数字如果当前符号的值小于下一个符号的值就减去当前值否则加上当前值。function num roman2num(romanStr) romanStr upper(strtrim(romanStr)); if isempty(romanStr) error(输入不能为空); end % 建立符号到数值的映射 keys {I,V,X,L,C,D,M}; vals [1, 5, 10, 50, 100, 500, 1000]; map containers.Map(keys, vals); num 0; n length(romanStr); for i 1:n if ~isKey(map, romanStr(i)) error(非法字符%s, romanStr(i)); end cur map(romanStr(i)); if i n nxt map(romanStr(i1)); if cur nxt num num - cur; else num num cur; end else num num cur; end end end这个实现有几个需要注意的地方。第一我加了upper和strtrim来处理大小写和首尾空格因为实际数据里经常混着 xii 或者 XII 这样的形式。第二用 containers.Map 来做符号到数值的映射比用 switch-case 或者 if-else 链要清晰得多而且查询效率也更好。第三错误处理里我检查了非法字符但并没有检查罗马数字的合法性——比如 IIII 这种非标准形式这个函数会算出 4但严格来说它不是标准罗马数字。如果你需要严格校验得额外写一个验证函数。注意反向转换时如果输入包含非标准形式如 IIII、VIIII上面的函数会给出数值结果但不会报错。如果你的业务逻辑要求只接受标准形式需要在转换前先做一次规范化校验。5. 实际项目中的那些坑文档里不会告诉你的经验5.1 输入数据的脏程度远超想象我在实际项目里处理过的罗马数字数据来源五花八门有从 PDF 里 OCR 出来的有从老旧数据库导出的有用户手工录入的。这些数据的脏程度真的会让你怀疑人生。常见的问题包括大小写混用Xiv、xII、mMx混入空格X II、XII 、 XII混入不可见字符从网页复制粘贴时经常带进来的零宽空格、不间断空格非标准形式IIII、VIIII、IC完全非法的字符XII3、X-I-I我的建议是在转换函数之前先加一层清洗逻辑统一转大写、去除所有空白字符、过滤掉非罗马数字字符。如果清洗后还有非法字符就记录到日志里人工处理。不要试图在转换函数里处理所有这些情况那样代码会变得极其臃肿。5.2 性能陷阱循环里的函数调用开销MATLAB 有个特点函数调用的开销相对较大。如果你在一个大循环里反复调用转换函数每次调用都要重新创建符号表、重新做输入校验这些开销会累积得很明显。一个优化思路是把符号表做成 persistent 变量这样只需要初始化一次function romanStr num2roman_opt(num) persistent symbols values if isempty(symbols) symbols {M,CM,D,CD,C,XC,L,XL,X,IX,V,IV,I}; values [1000, 900, 500, 400, 100, 90, 50, 40, 10, 9, 5, 4, 1]; end % ... 后续逻辑 endpersistent 变量在 MATLAB 里是函数级别的静态变量第一次调用时初始化后续调用直接复用。这个技巧在处理大批量数据时能带来明显的性能提升。不过要注意persistent 变量在clear all或者clear functions之后会被清空所以如果你的代码依赖它保持状态需要考虑到这一点。5.3 边界值测试那些容易漏掉的用例写转换函数时边界值测试是必须的。我整理了一份测试用例清单每次写完新版本都会跑一遍输入期望输出测试目的1I最小值4IV减法规则9IX减法规则40XL十位减法90XC十位减法400CD百位减法900CM百位减法3999MMMCMXCIX最大值3888MMMDCCCLXXXVIII最长输出0报错下界越界4000报错上界越界3.5报错非整数-1报错负数其中 3888 这个用例特别值得注意因为它的罗马数字表示 MMMDCCCLXXXVIII 长达 15 个字符是所有 1 到 3999 中长度最长的。如果你的预分配缓冲区长度设得不够这里就会出问题。5.4 与 MATLAB 字符串类型的兼容性MATLAB 从 R2016b 开始引入了 string 类型和传统的 char 数组有很多不同。如果你的项目里混用了这两种类型转换函数可能会遇到类型不匹配的问题。比如如果输入是 string 类型的 12直接和数值比较会报错需要先用str2double转换。如果输出需要是 string 类型需要在最后用string(romanStr)做一次转换。我的建议是在函数入口处统一做类型归一化不管输入是 char 还是 string都先转成 char 或者都转成 string后续逻辑只用一种类型。这样可以避免很多莫名其妙的类型错误。6. 从转换函数到工具类如何组织可复用的代码6.1 用类封装适合大型项目如果你的项目里需要频繁使用罗马数字转换而且可能还需要其他相关功能比如校验、格式化、批量转换那么用一个 MATLAB 类来封装是比较好的选择。类可以提供一个清晰的接口把实现细节隐藏起来也方便后续扩展。classdef RomanConverter properties (Constant, Accessprivate) Symbols {M,CM,D,CD,C,XC,L,XL,X,IX,V,IV,I}; Values [1000, 900, 500, 400, 100, 90, 50, 40, 10, 9, 5, 4, 1]; end methods (Static) function s toRoman(num) % ... 转换逻辑 end function n toNumber(s) % ... 反向转换逻辑 end function tf isValid(s) % ... 校验逻辑 end end end用类封装的好处是符号表作为常量属性只存储一份所有方法共享。而且通过Accessprivate可以防止外部代码意外修改符号表。缺点是 MATLAB 的类在某些场景下比如在 parfor 循环里会有额外的开销需要根据实际情况权衡。6.2 批量转换的向量化思路如果你的输入是一个数字数组需要批量转换成罗马数字最直接的做法是写一个循环。但 MATLAB 的强项是向量化操作如果能找到向量化的方法性能会有数量级的提升。不过罗马数字转换这个问题由于每个数字的输出长度不同很难完全向量化。一个折中方案是用arrayfun或者cellfun来替代显式循环nums [1, 4, 9, 40, 90, 400, 900, 3999]; romans arrayfun(num2roman_simple, nums, UniformOutput, false);arrayfun在底层还是循环但代码更简洁而且 MATLAB 的 JIT 编译器对它的优化通常比手写循环要好一些。实测下来对于几千条数据arrayfun比显式 for 循环快大约 10% 到 15%。6.3 错误处理策略报错、警告还是静默处理在实际项目中错误处理策略的选择很重要。我的经验是对于输入类型错误比如传入了字符串而不是数字直接报错因为这通常是调用方的 bug。对于数值越界比如 0 或 4000报错还是警告取决于业务需求。如果是数据清洗场景可能更适合返回空值并记录日志让调用方决定怎么处理。对于非标准形式比如 IIII如果是在反向转换场景可以给出警告但继续转换如果是在正向转换场景通常不会遇到这个问题。不要用静默处理的方式吞掉错误那样会让调试变得非常困难。至少要用warning输出一条信息或者在返回值里加一个状态标志。7. 几个容易被忽略的细节与我的实操心得7.1 关于 3999 这个上界的讨论标准罗马数字在纯文本环境下最大到 3999这个限制来源于罗马数字本身的设计——4000 需要用 M 上面加一横来表示而横线在纯文本里没法直接表示。但在实际项目中你可能会遇到需要表示更大数字的需求。这时候有几种处理方式第一种是直接用多个 M 来表示比如 4000 写成 MMMM5000 写成 MMMMM。这种写法虽然不是标准的但在很多非正式场合被接受。第二种是用括号或者特殊标记来表示上划线比如 (M) 表示 1000 倍。第三种是直接拒绝报错说超出范围。我的建议是在函数文档里明确说明支持的范围让调用方自己决定怎么处理超范围的情况。不要擅自扩展规则那样会让代码的行为变得不可预测。7.2 性能实测数据分享我在一台普通的开发机上做了一组性能测试对比了三种实现方式处理 10 万条随机数字1 到 3999的耗时实现方式耗时秒相对速度查表法containers.Map2.81.0x简洁版贪心法0.93.1x高效版贪心法预分配0.74.0x这个数据仅供参考实际耗时和机器配置、MATLAB 版本都有关系。但趋势是明显的贪心法比查表法快得多预分配版本又比简洁版快一些。对于大多数应用场景简洁版的性能已经足够了除非你确实在处理海量数据。7.3 一个真实的数据清洗案例最后分享一个我实际处理过的案例。当时拿到一批大约 5 万条的题库数据其中有一列是章节编号格式是罗马数字。数据的问题包括大约 3% 的条目有大小写问题1% 的条目有多余空格还有几十条是完全非法的比如混入了阿拉伯数字。我的处理流程是先用正则表达式做初步清洗把所有字母转大写、去除空白然后用roman2num做转换对于转换失败的条目记录原始值和错误信息最后人工检查那几十条失败记录发现大部分是录入错误修正后重新转换。整个流程跑下来不到 10 秒比人工处理快了不知道多少倍。这个案例给我的启发是数据清洗的关键不在于转换算法本身而在于对脏数据的预判和处理。你的转换函数写得再优雅如果输入数据不规范照样会出问题。所以在实际项目中花在数据清洗上的时间往往比花在核心算法上的时间还多。7.4 关于代码可读性的取舍MATLAB 社区里有个有意思的现象很多人喜欢把代码写得非常紧凑一行能搞定的事情绝不写两行。但在罗马数字转换这个问题上我建议还是以可读性优先。因为符号表和数值表的对应关系是核心逻辑如果为了压缩行数而把它们塞进一个复杂的表达式里后续维护的人包括几个月后的你自己会看得很痛苦。我见过有人用一行代码实现这个功能f (n) regexprep(char(64[1 5 10 50 100 500 1000]), ...); % 类似这种这种写法虽然炫技但调试起来极其困难而且容易在边界值上出错。我的原则是核心逻辑清晰直白性能优化适可而止除非有明确的性能需求否则不要为了微小的效率提升而牺牲可读性。7.5 测试驱动开发在这个问题上的应用如果你是在一个正式的项目里实现这个功能我强烈建议先写测试用例再写实现。罗马数字转换的测试用例很好设计因为输入输出都是确定的。你可以把前面那个边界值表格直接转成 MATLAB 的单元测试function testRomanConversion assert(strcmp(num2roman_simple(1), I)); assert(strcmp(num2roman_simple(4), IV)); assert(strcmp(num2roman_simple(3999), MMMCMXCIX)); assert(strcmp(num2roman_simple(3888), MMMDCCCLXXXVIII)); % ... 更多用例 end有了这套测试每次修改实现后跑一遍就能快速确认没有引入回归问题。这个习惯在长期维护的项目里能帮你省下大量调试时间。7.6 关于反向转换的校验逻辑补充前面提到的roman2num函数只做了基本的字符校验但没有校验罗马数字的结构合法性。如果你需要严格校验可以加一个isValidRoman函数逻辑是先用roman2num转成数字再用num2roman转回罗马数字比较两者是否一致。如果一致说明是标准形式如果不一致说明输入是非标准形式或者非法。function tf isValidRoman(s) try n roman2num(s); tf strcmp(num2roman_simple(n), upper(strtrim(s))); catch tf false; end end这个往返校验的技巧在很多编码转换场景里都适用思路简单但非常有效。唯一需要注意的是对于超出 3999 范围的输入num2roman_simple会报错所以要在 try-catch 里处理。7.7 与其他语言的对比为什么 MATLAB 的实现思路不同如果你有 Python 或 JavaScript 的背景可能会觉得 MATLAB 的实现方式有些笨拙。确实在 Python 里字符串拼接是 O(1) 摊销的列表操作也非常灵活实现同样的功能代码会更短。但 MATLAB 的优势在于矩阵运算和数值计算字符串处理本来就不是它的强项。不过MATLAB 的string类型在较新版本里已经改进了很多支持运算符做拼接也支持很多字符串函数。如果你用的是 R2016b 之后的版本可以尝试用string类型重写代码会清爽不少。但要注意string类型和char类型在混合使用时会有隐式转换可能带来性能开销需要根据实际情况权衡。8. 写在最后一些个人体会罗马数字转换这个问题看起来简单但真正写好、写健壮还是需要花些心思的。我从最开始写十几行代码就觉得自己搞定了到后来不断发现边界情况、性能问题、数据清洗需求前后迭代了好几个版本。这个过程让我对 MATLAB 的字符串处理、函数调用开销、类型系统都有了更深的理解。如果你只是偶尔用一次前面那个简洁版的num2roman_simple就完全够用了。如果你是在做一个需要长期维护的项目建议花点时间把测试用例写全把错误处理做扎实把代码组织成类或者工具函数库。这些前期投入在后期会加倍回报给你。另外不要迷信标准答案。罗马数字的规则在不同场景下可能有细微差别比如有些场景接受 IIII 表示 4有些场景要求必须用 IV。在动手写代码之前先和需求方确认清楚规则边界比事后返工要划算得多。