LeetCode刷题日记2022-3-13393. UTF-8 编码验证-数学模拟

393. UTF-8 编码验证

• 题目描述
• 题解思路
• 题解代码

题目描述

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：

1. 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。
2. 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。

提示:

• 1 <= data.length <= 2 * 104
• 0 <= data[i] <= 255

题解思路

遍历数组 进行数学模拟

设n为0 表示当前没有utf-8编码

遍历数组

• 当第一个数开头为0时 他是个一字节的编码 将n设为0
• 当第一个数开头为110 为2字节编码 将n设为1
• 当第一个数开头为1110 为3字节编码 将n设为2
• 当第一个数开头为11110 为4字节编码 将n设为3
• 如果出现其他情况 直接返回False

题解代码

class Solution:
    def validUtf8(self, data: List[int]) -> bool:
        n=0
        for i in range(len(data)):
            a=data[i]
            if n>0:
                if a>>6!=2:
                    return False
                n-=1
            elif a>>7==0:
                n=0
            elif a>>5==0b110:
                n=1
            elif a>>4==0b1110:
                n=2
            elif a>>3==0b11110:
                n=3
            else:
                return False
        
        return n==0