393.UTF-8編碼驗證
阿新 • • 發佈:2018-11-14
UTF-8 中的一個字元可能的長度為 1 到 4 位元組,遵循以下的規則:
- 對於 1 位元組的字元,位元組的第一位設為0,後面7位為這個符號的unicode碼。
- 對於 n 位元組的字元 (n > 1),第一個位元組的前 n 位都設為1,第 n+1 位設為0,後面位元組的前兩位一律設為10。剩下的沒有提及的二進位制位,全部為這個符號的unicode碼。
這是 UTF-8 編碼的工作方式:
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
給定一個表示資料的整數陣列,返回它是否為有效的 utf-8 編碼。
注意:
輸入是整數陣列。只有每個整數的最低 8 個有效位用來儲存資料。這意味著每個整數只表示 1 位元組的資料。
示例 1:
data = [197, 130, 1], 表示 8 位的序列: 11000101 10000010 00000001. 返回 true 。 這是有效的 utf-8 編碼,為一個2位元組字元,跟著一個1位元組字元。
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 位為 0 表示它是一個3位元組字元。 下一個位元組是開頭為 10 的延續位元組,這是正確的。 但第二個延續位元組不以 10 開頭,所以是不符合規則的。
class Solution {
public:
bool validUtf8(vector<int>& data) {
int cnt = 0;
for (int d : data) {
if (cnt == 0) {
if ((d >> 5) == 0b110) cnt = 1;
else if ((d >> 4) == 0b1110) cnt = 2;
else if ((d >> 3) == 0b11110) cnt = 3;
else if (d >> 7) return false;
} else {
if ((d >> 6) != 0b10) return false;
--cnt;
}
}
return cnt == 0;
}
};