原题地址:https://leetcode-cn.com/problems/utf-8-validation/
题目描述:
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。
解题方案:
class Solution {
public:
bool validUtf8(vector<int>& data) {
int size = data.size();
for(int i = 0; i < size; i++)
{
int bitCount = 0;
for(int j = 7; j > 0; j--)
{
if(((data[i] >> j) % 2) == 0)
break;
bitCount ++;
}
if(bitCount == 1 || bitCount > 4)
return false;
if(bitCount + i > size)
return false;
for(int j = 0; j < bitCount - 1; j++)
if(((data[i + j + 1] >> 7) % 2) == 0 || ((data[i + j + 1] >> 6) % 2) != 0)
return false;
if(bitCount != 0)
i += bitCount - 1;
}
return true;
}
};
位运算:
static const auto io_sync_off = []()
{
// turn off sync
std::ios::sync_with_stdio(false);
// untie in/out streams
std::cin.tie(nullptr);
return nullptr;
}();
class Solution
{
public:
bool validUtf8(vector<int>& data)
{
/*
解題思路:位運算。
*/
if (data.empty()) return false;
if (1 == data.size()) return (0 == (data[0]&0x80));
int cnt = 0;
for (auto d : data)
{
if (0 == cnt)
{
if (0xC0 == (d&0xE0)) cnt = 1;
else if (0xE0 == (d&0xF0)) cnt = 2;
else if (0xF0 == (d&0xF8)) cnt = 3;
else if (0x80 == (d&0x80)) return false;
//cout << cnt << ", [" << (d&0xE0) << ", " << 0xC0 << "] [" << (d&0xF0) << ", " << 0xE0 << "] [" << (d&0xF8) << ", " << 0xF0 << "] [" << (d&0x80) << ", " << 0x80 << "]" << endl;
}
else
{
if (0x80 == (d&0x80)) --cnt;
else return false;
}
}
return (0 == cnt);
}
};