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 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:
从条件可以看出给出一组整数数组,比如data = [197, 130, 1]
- 第一步:通过Tongji(int n)先将所有转化为8位的二进制: 11000101 10000010 00000001.
- 题目条件: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,
- 初始化count(用来计算1的个数),利用for循环对二进制数组逐个进行遍历,if(count==0) 对于第一个 11000101利用for循环逐位往后遍历:当遇到‘0’时跳出。if(count!=0) 说明这不是第一次循环了,看从第2个二进制开始的前两位是否以10开头,如果不是,不符合规则
- 这时候count为2,coun--;重复第3步。
代码:
public static Boolean isUTF_8(int[] as){
ArrayList<String> list=new ArrayList<>();
for(int a:as){
list.add(Tongji(a));
}
int count=0;
for (int i = 0; i < list.size(); i++) {
if(count==0){
for(int j=0;j<list.get(i).length();j++){
if (list.get(i).charAt(j) == '0'){
break;
}
count++;
}
if(count==0){ //这个条件 防止 int[] as={197, 130, 1 }
continue;
}
if(count>4||count==1){//这个条件 防止 int[] as={256},大于255的
return false;
}
}else{
String bb=list.get(i).substring(0,2);
if(!(list.get(i).substring(0,2).equals("10"))){
return false;
}
}
count-=1;
}
if(count!=0){//这个条件 防止 int[] as={197}
return false;
}
return true;
}
public static String Tongji(int n){
int count=0;
String str="";
while(count<8){
int a=n&1;
str=String.valueOf(a)+str;
n>>=1;
count++;
}
return str;
}