UTF-8编码验证Java
文章发布较早，内容可能过时，阅读注意甄别。
# 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：
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 * 104
- 0 <= data[i] <= 255
# 思路
移位操作
# 解法
class Solution {
public boolean validUtf8(int[] data) {
int n = data.length;
//0 <= data[i] <= 255(二进制中为11111111，8bit=1byte)，所以每个data[i]占1个字节
//满足条件的头字节有：0xxxxxxx 110xxxxx 1110xxxx 11110xxx
for (int i = 0 ; i < n ; ) {
int t = data[i];
//1.校验头字节
int j = 7, cnt = 0; //cnt为头字节中开头1的数量
while(j >= 0 && ((t >> j) & 1) == 1 && ++cnt >= 0) j--;
//开头要么是0个1(即1个0)，要么是2-4个1
if (cnt == 1 || cnt > 4) return false;
//2.头字节后面的字节数小于 cnt-1个
if (i + cnt - 1 >= n) return false;
//3.判断头字节后的cnt-1个字节前两位开头是否为10
for (int k = i + 1 ; k < i + cnt ; k++) {
if (((data[k] >> 7) & 1) == 1 && ((data[k] >> 6) & 1) == 0) continue;
return false;
}
//4.当前的字符满足规则，继续向后判断
//如果cnt=0，即为题目说的1字节的字符，则当前data[i]为一个有效的unicode
if (cnt == 0) i++;
//cnt不为0，向后移动cnt个字符
else i += cnt;
}
return true;
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# 总结
- 分析出几种情况，然后分别对各个情况实现
