iOS LeetCode ☞ UTF-8 编码验证

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 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。

解题思路 思考

这显然是一题和位 *** 作有关的题目。并且，这其中有非常多的状态需要考虑。UTF-8编码的字符可以是由 1 到 4 个字节来表示，并且从第1个字节我们就可以看出该UTF-8字符一共由几个字节组成。所以，当我们接收到第一个字节，后续的0到3个字节必须符合所有题设限制（字节数目限制、每个字节的前导比特限制）。这内部其实是一个很完整的确定有限状态机（DFA）。这里，我们选择直接建立这个自动机。

算法

例如，状态 0 表示 clear，即所有之前的字节都已经处理成 UTF-8字符了。接下来，有效的输入其实只有 4 种，所以 0 这个状态其实可以转移成 4 个其他状态：

0xxxxxxx，表示单字节UTF-8字符，那么其实可以直接转移回0（clear）。110xxxxx，表示双字节UTF-8字符，定义一个新状态1。1110xxxxx，表示三字节UTF-8字符，定义一个新状态2。11110xxx，表示四字节UTF-8字符，定义一个新状态3。

剩下的状态转移可以依次类推，下面我直接给出了DFA。

我们看一个最长转移路径：0 -> 3 -> 5 -> 6 -> 0，这条路径代表一个 4 字节的有效UTF-8字符——当我们依次接收到 11110xxx, 10xxxxxx, 10xxxxxx, 10xxxxxx,状态又跳回了clear态，即0。所有不符合这个路径特征的输入，都可以直接认为是一个无效的UTF-8字符。

代码

	// 393. UTF-8 编码验证
    func validUtf8(_ data: [Int]) -> Bool {
        
        let type0 = 0b00000000, type1 = 0b10000000, type2 = 0b11000000, type3 = 0b11100000, type4 = 0b11110000
        let masks = [0b10000000, 0b11000000, 0b11100000, 0b11110000, 0b11111000]
        let types = [type0, type1, type2, type3, type4]
        let DFA = [0: [type0: 0, type2: 1, type3: 2, type4: 3],
                   1: [type1: 0],
                   2: [type1: 4],
                   3: [type1: 5],
                   4: [type1: 0],
                   5: [type1: 6],
                   6: [type1: 0]]
        
        func getType(_ input: Int) -> Int {
            for i in 0..<types.count {
                if (masks[i] & input) == types[i] {
                    return types[i]
                }
            }
            return -1
        }
        
        func getNext(_ cur: Int, _ input: Int) -> Int? {
            let type = getType(input)
            if type == -1 {
                return nil
            }
            return DFA[cur]?[type]
        }
        
        var cur = 0
        for datum in data {
            guard let next = getNext(cur, datum) else {
                return false
            }
            cur = next
        }
        
        return cur == 0
    }