393. UTF-8 编码验证

Posted 2020-11-26 dealer

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
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:

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。

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

    bool validUtf8(vector<int>& data) {
        int p=0;
        while(p<data.size())
        {
            int v=data[p];
            int cnt=0;
            if((v&0b10000000)==0)
                cnt=0;
            else if((v&0b11100000)==0b11000000)
            {
                cnt=1;
            }
            else if((v&0b11110000)==0b11100000)
            {
                cnt=2;
            }
            else if((v&0b11111000)==0b11110000)
            {
                cnt=3;
            }
            else
                return false;
            for(int i=0;i<cnt;i++)
            {
                p++;
                if(p>data.size()-1)
                    return false;
                if((data[p]&0b11000000)!=0b10000000)
                    return false;
            }
            p++;
        }
        return true;
    }