1.题目
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:
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
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。
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。
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。
2.思路
根据题目描述,需要对数组中的数据依次判断是否满足UTF-8的编码方式,注意数组内可能存在多个编码数。当n的取值范围为[1,4],当n =1 时编码数的首位应为0,其他情况n为几首个数的前面就有几个1,并且后面存在n-1个首位和次首位分别为1和0.
代码
class Solution {
public:
int num(int d){
int f = 1 << 7, n = 0;
for(int i = 0; i < 5; i++)
{
int temp = f & d;
if(temp)
{
n++;
//cout << n << endl;
f = f >> 1;
//cout << f << endl;
}
else
{
if(i == 0)
{
n = 1;
}
if(i == 1)
return 0;
break;
}
}
return n;
}
bool validUtf8(vector<int>& data) {
for(int i = 0; i < data.size();)
{
int n = num(data[i]);
if(n == 0 || n > 4)
return false;
if(i + n > data.size())
return false;
int n1 = 1 << 7, n2 = 1 << 6;
for(int j = i+1; j < i+n; j++)
{
if(!(data[j] & n1 && !(data[j] & n2)))
{
cout << j << endl;
return false;
}
}
i = i + n;
}
return true;
}
};