LeetCode393-UTF-8编码验证

发表于 | 分类于

题目链接

英文链接：https://leetcode.com/problems/utf-8-validation/

中文链接：https://leetcode-cn.com/problems/utf-8-validation/

题目详述

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：

  1. 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。
  2. 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
2
3
4
5
6
7
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。

示例 1:

1
2
3
4
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:

1
2
3
4
5
6
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。

题目详解

  • 先处理首字节，再处理剩余字节。
  • 用一个变量 cnt 记录有几个剩余字节。
  • 遍历过程中发现不是有效的 utf-8 编码直接返回 false。
  • 遍历完成后判断 cnt 是否为 0，为 0 说明验证通过；否则不通过。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
public class LeetCode_00393 {

    public boolean validUtf8(int[] data) {
        int cnt = 0;
        for (int d : data) {
            if (cnt == 0) { // 处理首字节
                if ((d >> 5) == 0b110) cnt = 1;
                else if ((d >> 4) == 0b1110) cnt = 2;
                else if ((d >> 3) == 0b11110) cnt = 3;
                else if ((d >> 7) != 0) return false;
            } else {        // 处理剩余字节
                if ((d >> 6) != 0b10) return false;
                --cnt;
            }
        }
        return cnt == 0;
    }
}