0393. UTF-8 编码验证【中等】

• 1. 📝 题目描述
• 2. 🎯 s.1 - 位运算模拟

1. 📝 题目描述

• leetcode

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：

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：

Number of Bytes     |        UTF-8 octet sequence
                    |              (binary)
--------------------+---------------------------------------------
         1          | 0xxxxxxx
         2          | 110xxxxx 10xxxxxx
         3          | 1110xxxx 10xxxxxx 10xxxxxx
         4          | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

`x` 表示二进制形式的一位，可以是 `0` 或 `1`。

---

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：

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 2：

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

2. 🎯 s.1 - 位运算模拟

c

bool validUtf8(int* data, int dataSize) {
    int remaining = 0;
    for (int i = 0; i < dataSize; i++) {
        int byte = data[i];
        if (remaining > 0) {
            if ((byte >> 6) != 0b10) return false;
            remaining--;
        } else if ((byte >> 7) == 0) {
            remaining = 0;
        } else if ((byte >> 5) == 0b110) {
            remaining = 1;
        } else if ((byte >> 4) == 0b1110) {
            remaining = 2;
        } else if ((byte >> 3) == 0b11110) {
            remaining = 3;
        } else {
            return false;
        }
    }
    return remaining == 0;
}

js

/**
 * @param {number[]} data
 * @return {boolean}
 */
var validUtf8 = function (data) {
  let remaining = 0
  for (const byte of data) {
    if (remaining > 0) {
      if (byte >> 6 !== 0b10) return false
      remaining--
    } else if (byte >> 7 === 0) {
      remaining = 0
    } else if (byte >> 5 === 0b110) {
      remaining = 1
    } else if (byte >> 4 === 0b1110) {
      remaining = 2
    } else if (byte >> 3 === 0b11110) {
      remaining = 3
    } else {
      return false
    }
  }
  return remaining === 0
}

py

class Solution:
    def validUtf8(self, data: List[int]) -> bool:
        remaining = 0
        for byte in data:
            if remaining > 0:
                if (byte >> 6) != 0b10:
                    return False
                remaining -= 1
            elif (byte >> 7) == 0:
                remaining = 0
            elif (byte >> 5) == 0b110:
                remaining = 1
            elif (byte >> 4) == 0b1110:
                remaining = 2
            elif (byte >> 3) == 0b11110:
                remaining = 3
            else:
                return False
        return remaining == 0

• 时间复杂度：$O(n)$，其中 $n$ 是数据长度
• 空间复杂度：$O(1)$

算法思路：

• 通过高位移位判断字节类型：1字节/2字节/3字节/4字节
• 后续字节必须以 10 开头，通过 remaining 计数验证