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 | 0xxxxxxx0000 0080-0000 07FF | 110xxxxx 10xxxxxx0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx0001 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0x[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1100x[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11110for(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。