题目

难度：★★☆☆☆
类型：字符串
方法：分类讨论

传送门

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

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。

解答

这道题目不算复杂，其实逻辑是比较清晰的，用到的算法技巧不多，理清思路就可以。
一个符号可以由单字节或多字节表示，而且这两种情况有各自的标志位。

第一种情况：出现单字节符号的标志位，即第一个字符是“0”；
第二种情况：出现多字节符号的标志位，即第一个字节前几个字符为“1”，字节数是第一个字节第一个“0”之前所有“1”的个数。
如果遇到第二种情况，遍历验证即可。

这里设置下标i用来搜寻符号的首个字节位置，设置下标j用来搜寻多字节符号的字节数。

class Solution:
    def validUtf8(self, data):

        # 二进制编码每个字符
        data = list(map(lambda x: bin(x)[2:].rjust(8, '0'), data))

        i = 0
        while i < len(data):                    # 下标条件
            cur_data = data[i]
            if cur_data[0] == '0':              # 一字节字符
                i += 1                          # 单字节检测通过，更新下标

            else:                               # 二字节，三字节和四字节字符
                j = 0                           # j用来记录多字节变量的字节数
                for j in range(8):              # 寻找1的个数
                    if cur_data[j] == '0':      # 终止条件
                        break
                if not (1 < j <= 4) or i + j > len(data):   # 如果字节数不满足2到4或者输入数据中字节数根本不够用
                    return False                # 返回False

                for d in data[i+1:i+j]:         # 遍历当前多字节变量
                    if d[:2] != '10':           # 只要遇到一个不满足条件的
                        return False            # 返回False
                i += j                          # 多字节检测通过，更新下标

        return True                             # 顺利通过

如有疑问或建议，欢迎评论区留言~

有关更多力扣中等题的python解决方案，请移步力扣中等题解析