【leetcode】393. UTF-8 编码验证

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。

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。

思路

硬刚吧

代码

class Solution {
public:
    inline int get_n_bytes(int num) {
        int n_bytes = 0, mask = 1 << 7;
        while (!!(num & mask) && n_bytes < 5) {
            mask >>= 1;
            ++n_bytes;
        }
        return n_bytes;
    }
    
    bool validUtf8(vector<int>& data) {
        int n_bytes = 0;
        for (int num : data) {
            if (n_bytes == 0) {
                n_bytes = get_n_bytes(num);
                if (n_bytes == 1 || n_bytes > 4) return false;
            } else {
                if (get_n_bytes(num) != 1) return false;
            }
            if (n_bytes) --n_bytes;
        }
        return n_bytes == 0;
    }
};

执行用时 : 12 ms , 在所有 C++ 提交中击败了 98.93% 的用户

总结

1. 1000 0000 (二进制) == 1 << 7 ; (不是 1 << 8 )
2. !! 将位数归一化