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:

  1. Char. number range | UTF-8 octet sequence
  2. (hexadecimal) | (binary)
  3. --------------------+---------------------------------------------
  4. 0000 0000-0000 007F | 0xxxxxxx
  5. 0000 0080-0000 07FF | 110xxxxx 10xxxxxx
  6. 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
  7. 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。

  1. 输入:data = [197,130,1]
  2. 输出:true
  3. 解释:数据表示字节序列:11000101 10000010 00000001
  4. 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。
  1. 输入:data = [235,140,4]
  2. 输出:false
  3. 解释:数据表示 8 位的序列: 11101011 10001100 00000100.
  4. 3 位都是 1 ,第 4 位为 0 表示它是一个 3 字节字符。
  5. 下一个字节是开头为 10 的延续字节,这是正确的。
  6. 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

  1. class Solution {
  2. public:
  3. int num(int d){
  4. int f = 1 << 7, n = 0;
  5. for(int i = 0; i < 5; i++)
  6. {
  7. int temp = f & d;
  8. if(temp)
  9. {
  10. n++;
  11. //cout << n << endl;
  12. f = f >> 1;
  13. //cout << f << endl;
  14. }
  15. else
  16. {
  17. if(i == 0)
  18. {
  19. n = 1;
  20. }
  21. if(i == 1)
  22. return 0;
  23. break;
  24. }
  25. }
  26. return n;
  27. }
  28. bool validUtf8(vector<int>& data) {
  29. for(int i = 0; i < data.size();)
  30. {
  31. int n = num(data[i]);
  32. if(n == 0 || n > 4)
  33. return false;
  34. if(i + n > data.size())
  35. return false;
  36. int n1 = 1 << 7, n2 = 1 << 6;
  37. for(int j = i+1; j < i+n; j++)
  38. {
  39. if(!(data[j] & n1 && !(data[j] & n2)))
  40. {
  41. cout << j << endl;
  42. return false;
  43. }
  44. }
  45. i = i + n;
  46. }
  47. return true;
  48. }
  49. };