给定一个表示数据的整数数组 data ,返回它是否为有效的 UTF-8 编码。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
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:
输入:data = [197,130,1]
输出:true
解释:数据表示字节序列:11000101 10000010 00000001。
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:
输入:data = [235,140,4]
输出:false
解释:数据表示 8 位的序列: 11101011 10001100 00000100.
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:从前往后进行模拟,先统计第一个数从第7位开始有几个连续的1。如果 count = 1 或者 count > 4不满足 utf-8 的编码规则,返回 false;如果除第一个外,剩余数字的长度超过 data 数组的长度返回 false。接下来对计数范围内的数字进行判断,如果满足 ((data[k] >> 7) & 1) == 1 && ((data[k] >> 6) & 1) == 0,则进行下一个数字的判断,如果不满足则返回 false。
class Solution {
public boolean validUtf8(int[] data) {
int len = data.length ;
for(int i = 0;i < len; ){
int j = 7,t = data[i];
while(j >= 0 && ((t >> j) & 1) == 1)
j--;
int count = 7 - j;
if(count == 1 || count > 4){
return false;
}
if(i + count - 1 >= len){
return false;
}
for(int k = i + 1; k < i + count; k++){
if(((data[k] >> 7) & 1) == 1 && ((data[k] >> 6) & 1) == 0){
continue;
}
return false;
}
if(count == 0){
i++;
}else{
i += count;
}
}
return true;
}
}