题目:
给定一个整数数组,判断是不是utf-8编码
ps:整数只有最低8位来存数据。输入的每个整数都代表一个byte‘
输入
第一行一个整数表示数组长度N’
第二行空格隔开N整数
输出
1合法 0非法
leetcode原题
UTF-8 中的一个字符可能的长度为 1 到 4 字节,遵循以下的规则:
对于 1 字节的字符,字节的第一位设为0,后面7位为这个符号的unicode码。
对于 n 字节的字符 (n > 1),第一个字节的前 n 位都设为1,第 n+1 位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。
这是 UTF-8 编码的工作方式:
Char. number range | UTF-8 octet sequence
(hexadecimal) | (binary)
——————–+———————————————
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
给定一个表示数据的整数数组,返回它是否为有效的 utf-8 编码。
注意:
输入是整数数组。只有每个整数的最低 8 个有效位用来存储数据。这意味着每个整数只表示 1 字节的数据。
示例 1:
data = [197, 130, 1], 表示 8 位的序列: 11000101 10000010 00000001.
返回 true 。
这是有效的 utf-8 编码,为一个2字节字符,跟着一个1字节字符。
示例 2:
data = [235, 140, 4], 表示 8 位的序列: 11101011 10001100 00000100.
返回 false 。
前 3 位都是 1 ,第 4 位为 0 表示它是一个3字节字符。
下一个字节是开头为 10 的延续字节,这是正确的。
但第二个延续字节不以 10 开头,所以是不符合规则的。
思路:
题目大意:
一个UTF8字符的长度从1到4个字节不等,服从下列规则:
对于1字节的字符,首位数是0,后面是unicode代码。
对于n字节的字符,前n位数全是1,第n+1位是0,后面跟着n-1个字节,最高位的两位数是10。
详见上表。
给定一个整数数组表示的数据,判断其是否为有效的utf-8编码。
注意:
输入是整数数组。只有最低位的8位数用来存放数据。这意味着每一个整数只表示一个字节的数据。
解题思路:
模拟题+位运算(Bit Manipulation)
代码:
class Solution(object):
def validUtf8(self, data):
"""
:type data: List[int]
:rtype: bool
"""
masks = [0x0, 0x80, 0xE0, 0xF0, 0xF8]
bits = [0x0, 0x0, 0xC0, 0xE0, 0xF0]
while data:
for x in (4, 3, 2, 1, 0):
if data[0] & masks[x] == bits[x]:
break
if x == 0 or len(data) < x:
return False
for y in range(1, x):
if data[y] & 0xC0 != 0x80:
return False
data = data[x:]
return True
参考:
http://bookshadow.com/weblog/2016/09/04/leetcode-utf-8-validation/