C++ এ UTF-8 বৈধতা

ধরুন আমাদের কাছে ডেটা প্রতিনিধিত্বকারী একটি তালিকা পূর্ণসংখ্যা রয়েছে। এটি বৈধ UTF-8 এনকোডিং কিনা তা আমাদের পরীক্ষা করতে হবে। একটি UTF-8 অক্ষর 1 থেকে 4-বাইট দীর্ঘ হতে পারে। কিছু বৈশিষ্ট্য আছে -

• 1-বাইট অক্ষরের জন্য, প্রথম বিটটি একটি 0, তার পরে এটির ইউনিকোড কোড৷

• n-বাইট অক্ষরের জন্য, প্রথম n-বিটগুলি হল 1s, n+1 বিট হল 0, তারপরে n-1 বাইট এবং সর্বাধিক উল্লেখযোগ্য 2 বিট হল 10৷

সুতরাং এনকোডিং কৌশলটি নিম্নরূপ -

সুতরাং যদি ইনপুটটি [197, 130, 1] এর মত হয়, তাহলে এটি অক্টেট সিকোয়েন্স 11000101 10000010 00000001 প্রতিনিধিত্ব করে, তাই এটি সত্য হবে। এটি একটি 2-বাইট অক্ষরের জন্য একটি বৈধ utf-8 এনকোডিং এবং তারপরে 1-বাইট অক্ষর৷

এটি সমাধান করতে, আমরা এই পদক্ষেপগুলি অনুসরণ করব -

• cnt :=0

• আমি 0 থেকে ডাটা অ্যারের আকারের মধ্যে

  • x :=ডেটা[i]

  • যদি cnt 0 হয়, তাহলে

    • যদি x/32 =110, তাহলে cnt কে 1

      হিসেবে সেট করুন

    • অন্যথায় যখন x/16 =1110, তারপর cnt =2

    • অন্যথায় যখন x/8 =11110, তারপর cnt =3

    • অন্যথায় যখন x/128 0 হয়, তখন মিথ্যা ফেরত দিন

  • অন্যথায় যখন x /64 10 না হয়, তখন মিথ্যা দিন এবং cnt কমিয়ে 1

    করুন

• cnt 0

  হলে true রিটার্ন করুন

উদাহরণ(C++)

আরো ভালোভাবে বোঝার জন্য আসুন নিচের বাস্তবায়ন দেখি -

#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));
}

ইনপুট

[197,130,1]

আউটপুট

1