393_UTF8编码验证

难度：中等

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：

image-20220313150000496

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

示例一：

输入：data = [197,130,1]
输出：true
解释：数据表示字节序列:11000101 10000010 00000001。
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。

示例二：

输入：data = [235,140,4]
输出：false
解释：数据表示 8 位的序列: 11101011 10001100 00000100.
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。

提示

  • 1 <= data.length <= 2 * 10^4
  • 0 <= data[i] <= 255

解题

这道题只要找到符合编码规则的值范围即可

1 字节字符：0xxxxxxx （0-127）

2 字节字符：110xxxxx （192-223）10xxxxxx （128-191）

3 字节字符：1110xxxx （224-239）10xxxxxx （128-191） 10xxxxxx （128-191）

4 字节字符：11110xxx （240-247） 10xxxxxx （128-191） 10xxxxxx （128-191） 10xxxxxx （128-191）

然后对数组进行遍历判断即可

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
public boolean validUtf8(int[] data){
  for (int i = 0; i < data.length; i++) {
    if (data[i]<128) continue;
    if (data[i]<192||data[i]>247) return false;
    if (data[i]<224){
      if (i+2>data.length) return false;
      if (data[i+1]<128||data[i+1]>192) return false;
      i++;
    } else if (data[i]<240){
      if (i+3>data.length) return false;
      for (int j = 1; j <= 2; j++) {
        if (data[i+j]<128||data[i+j]>192) return false;
      }
      i+=2;
    }else {
      if (i+4>data.length) return false;
      for (int j = 1; j <= 3; j++) {
        if (data[i+j]<128||data[i+j]>192) return false;
      }
      i+=3;
    }
  }
  return true;
}