题目
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
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。
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。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/utf-8-validation
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
想法
1、把数组中int型都变为二进制数,不足8位的补0,后存入一个列表res中。
2、遍历res。
如果遇见第一个字节是11110开头,则判断后面3个字节是否是10开头 并且 总体字节数>=4(后面可能还有其他套娃组合)。
如果遇见第一个字节是1110开头,则判断后面2个字节是否是10开头 并且 总体字节数>=3。
如果遇见第一个字节是110开头,则判断后面1个字节是否是10开头 并且 总体字节数>=2。
前面的判断完了,再去判断是否有1字节 0开头的情况
实现
方法1:python
class Solution:
def validUtf8(self, data: List[int]) -> bool:
flag=0
res=list()
for i in range(len(data)):
var=bin(data[i])[2:]
if len(var)==8:
res.append(var)
else:
for j in range(8-len(var)):
var="0"+var
res.append(var)
m=0
while(m<len(res)):
if res[m][0:5]=="11110" and len(res)>=4: #4字节
m+=1
for i1 in range(3):
if res[m][0:2]!="10":
flag=1
break
else:
m+=1
elif res[m][0:4]=="1110" and len(res)>=3: #3字节
m+=1
for i2 in range(2):
if res[m][0:2]!="10":
flag=1
break
else:
m+=1
elif res[m][0:3]=="110" and len(res)>=2: #2字节
m+=1
for i3 in range(1):
if res[m][0:2]!="10":
flag=1
break
else:
m+=1
elif res[m][0]=="0": #1字节
m+=1
flag=0
else:
flag=1
break
if flag==1:
break
if flag==1:
return(False)
else:
return(True)