LeetCode刷题——UTF-8 编码验证#393#Medium

UTF-8 编码验证的思路探讨与源码
    UTF-8 编码验证的题目如下图，该题属于位运算类和数组类型的题目，主要考察对于位运算方法的使用和数组结构的理解。本文的题目作者想到2种方法，分别是模拟遍历方法和位运算遍历方法，其中模拟遍历方法使用Java进行编写，而位运算遍历方法使用Python进行编写，当然这可能不是最优的解法，还希望各位大佬给出更快的算法。

    本人认为该题目可以使用模拟遍历方法的思路进行解决，首先计算数组长度，开始遍历，将当前元素的数字记录，然后对从第 7 位开始往后有多少位连续的 1就代表这是一个几字节的字符，并记录该数字，如果该数字为1或者大于4就均违反编码规则，返回False结果；而如果位置 后面不满足条件也返回False，否则检查指定下标范围的数是否满足前两位为10的要求，若不满足返回False结果。直到最终遍历结束并返回判定结果。那么按照这个思路我们的Java代码如下：

#喷火龙与水箭龟
class Solution {
    public boolean validUtf8(int[] data) {
        int dataLen = data.length;
        for (int ir = 0; ir < dataLen;) {
            int tes = data[ir];
            int jr = 7;
            while (jr >= 0 && (((tes >> jr) & 1) == 1)){
                jr = jr - 1;
            }
            int countNum = 7 - jr;
            if (countNum == 1 || countNum > 4){
                return false;
            }
            if (ir + countNum - 1 >= dataLen){
                return false;
            }
            for (int kr = ir + 1; kr < ir + countNum; kr++) {
                if ((((data[kr] >> 7) & 1) == 1) && (((data[kr] >> 6) & 1) == 0)){
                    continue;
                }
                return false;
            }
            if (countNum == 0){
                ir = ir + 1;
            }else{
                ir = ir + countNum;
            }
        }
        return true;
    }
}

    显然，我们的模拟遍历方法的效果还不错，还可以使用位运算遍历的方法解决。首先设计两个掩码，定义一个获取字节的函数，在函数内部，首先判断头字节和MASK1的按位与运算结果是否为0，如果为0则当前字符由1个字节组成。如果不为0则创建位掩码MASK并将初始值设为MASK1。然后再初始化参数并计算数组长度，并开始遍历数组，对满足逻辑条件的就返回False的结果，否则就继续搜索，直到遍历结束并返回最终的结果。所以按照这个思路就可以解决，下面是Python代码：

#喷火龙与水箭龟
class Solution:
    def validUtf8(self, data: List[int]) -> bool:
        MASK1 = 1 << 7
        MASK2 = (1 << 7) | (1 << 6)
        def getBytes(num: int) -> int:
            if (num & MASK1) == 0:
                return 1
            res = 0
            mask = MASK1
            while num & mask:
                res = res + 1
                if res > 4:
                    return -1
                mask >>= 1
            
            if res>=2:
                return res
            else:
                return -1

        ind = 0
        m = len(data)
        while ind < m:
            n = getBytes(data[ind])
            if n < 0 or ind + n > m or any((ch & MASK2) != MASK1 for ch in data[ind + 1: ind + n]):
                return False
            ind = ind +n
        return True

    从结果来说Java版本模拟遍历方法的效率还可以，而Python版本的位运算遍历方法的速度也还不错，但应该是有更多的方法可以进一步提速的，希望朋友们能够多多指教，非常感谢。