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。
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。
测试样例
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。
题解
我们构造x[4]=10000000、11100000、11110000、11111000用于获取高1、3、4、5位,然后我们同时构造flag[4]=00000000、11000000、11100000、11110000分别表示是否符合我们的要求。对于第i个字节,我们现从第4中类型检查,也就是说data[i]&x[j] == flag[j],满足后我们还需要确定其高2位为10,我们可以通过(data[i]&flag[1]) == x[0]进行判定。详细过程见代码
代码
bool validUtf8(vector<int>& data) {
int n = data.size();
int x[4],flag[4];
x[0] = 1<<7; //10000000 //用于获取高1位
flag[0] = 0; //00000000 //第一种类型要求第1字节全0
x[1] = x[0]^(3<<5); //11100000 //获取高3位
flag[1] = x[0]^(1<<6); //11000000 //第二种类型高3位为110,且可以用来获取高2位
x[2] = x[1]^(1<<4); //11110000 //用来获取高4位
flag[2] = x[1]; //11100000 //第三种类型高4位为1100
x[3] = x[2]^(1<<3); //11111000 //用来获取高5位
flag[3] = x[2]; //11110000 //第四种类型高5位为11110
for(int i=0; i<n; ){
int j;
for(j=3; j>=0; j--){
if((data[i]&x[j]) == flag[j]) break;
}
if(j == -1) return false;
j--;
i++;
while(j>=0){ //其余字节的数据需要保证高2位为10,对于第j中类型,需要考虑后j个字节
if(i==n || (data[i]&flag[1]) != x[0]) return false;
j--;
i++;
}
}
return true;
}
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。