頭條2019筆試題 4:leetcode393:utf-8編碼驗證
題目:
給定一個整數陣列,判斷是不是utf-8編碼
ps:整數只有最低8位來存資料。輸入的每個整數都代表一個byte‘
輸入
第一行一個整數表示陣列長度N’
第二行空格隔開N整數
輸出
1合法 0非法
leetcode原題
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。
思路:
題目大意:
一個UTF8字元的長度從1到4個位元組不等,服從下列規則:
對於1位元組的字元,首位數是0,後面是unicode程式碼。
對於n位元組的字元,前n位數全是1,第n+1位是0,後面跟著n-1個位元組,最高位的兩位數是10。
詳見上表。
給定一個整數陣列表示的資料,判斷其是否為有效的utf-8編碼。
注意:
輸入是整數陣列。只有最低位的8位數用來存放資料。這意味著每一個整數只表示一個位元組的資料。
解題思路:
模擬題+位運算(Bit Manipulation)
程式碼:
class Solution(object):
def validUtf8(self, data):
"""
:type data: List[int]
:rtype: bool
"""
masks = [0x0, 0x80, 0xE0, 0xF0, 0xF8]
bits = [0x0, 0x0, 0xC0, 0xE0, 0xF0]
while data:
for x in (4, 3, 2, 1, 0):
if data[0] & masks[x] == bits[x]:
break
if x == 0 or len(data) < x:
return False
for y in range(1, x):
if data[y] & 0xC0 != 0x80:
return False
data = data[x:]
return True