Xác thực UTF-8 trong C ++

Giả sử chúng ta có một danh sách các số nguyên đại diện cho dữ liệu. Chúng tôi phải kiểm tra xem nó có phải là mã hóa UTF-8 hợp lệ hay không. Một ký tự UTF-8 có thể dài từ 1 đến 4 byte. Có một số thuộc tính -

• Đối với ký tự 1 byte, bit đầu tiên là 0, tiếp theo là mã unicode của nó.

• Đối với ký tự n-byte, n-bit đầu tiên đều là 1s, n + 1 bit là 0, tiếp theo là n-1 byte với 2 bit quan trọng nhất là 10.

Vì vậy, kỹ thuật mã hóa như sau -

Vì vậy, nếu đầu vào là [197, 130, 1], điều này đại diện cho chuỗi octet 11000101 10000010 00000001, vì vậy giá trị này sẽ trả về true. Đây là mã hóa utf-8 hợp lệ cho ký tự 2 byte theo sau là ký tự 1 byte.

Để giải quyết vấn đề này, chúng tôi sẽ làm theo các bước sau -

• cnt:=0

• cho tôi trong phạm vi từ 0 đến kích thước của mảng dữ liệu

  • x:=data [i]

  • nếu cnt là 0 thì

    • nếu x / 32 =110, thì đặt cnt là 1

    • ngược lại khi x / 16 =1110 thì cnt =2

    • ngược lại khi x / 8 =11110 thì cnt =3

    • ngược lại khi x / 128 bằng 0 thì trả về false

  • ngược lại khi x / 64 không phải là 10, thì trả về false và giảm cnt đi 1

• trả về true khi cnt bằng 0

Ví dụ (C ++)

Hãy cùng chúng tôi xem cách triển khai sau để hiểu rõ hơn -

#include <bits/stdc++.h>
using namespace std;
class Solution {
   public:
   bool validUtf8(vector<int>& data) {
      int cnt = 0;
      for(int i = 0; i <data.size(); i++){
         int x = data[i];
         if(!cnt){
            if((x >> 5) == 0b110){
               cnt = 1;
            }
            else if((x >> 4) == 0b1110){
               cnt = 2;
            }
            else if((x >> 3) == 0b11110){
               cnt = 3;
            }
            else if((x >> 7) != 0) return false;
            } else {
               if((x >> 6) != 0b10) return false;
               cnt--;
            }
         }
         return cnt == 0;
      }
};
main(){
   Solution ob;
   vector<int> v = {197,130,1};
   cout << (ob.validUtf8(v));
}

Đầu vào

[197,130,1]

Đầu ra

1