#393. UTF-8 编码验证

• LeetCode：原题1
• 难度：中等
• 归类：算法思想（位运算、数组）
• 主解法：一次遍历

#先给结论

这道题的核心是利用二进制位彼此独立、异或抵消或掩码枚举的性质压缩状态和计算。面试时先说清楚“状态表示什么、为什么能排除其他候选、何时更新答案”，再写代码；只报出“用 位运算”还不足以证明理解。

#题目描述

题目要求完成“UTF-8 编码验证”。输入包括 data（integer[]），需要返回 boolean。完整限制以原题为准，解题时重点利用这些特征：位运算、数组。

示例：

Number of Bytes  |        UTF-8 octet sequence
|              (binary)
--------------------+---------------------------------------------
1          | 0xxxxxxx
2          | 110xxxxx 10xxxxxx
3          | 1110xxxx 10xxxxxx 10xxxxxx
4          | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

#问题本质

利用二进制位彼此独立、异或抵消或掩码枚举的性质压缩状态和计算。需要解决的不是某个 API 的用法，而是如何用最少状态描述“已经处理什么、还剩什么”，并证明状态推进不会漏解。

#数据结构与因果链

1. 输入进入算法后，先建立 位运算 所需的状态。
2. 每一位或一个 bitmask 对应一组布尔状态，位操作完成集合增删与关系判断。
3. 按位统计、构造或枚举掩码，再把各位贡献合并为最终结果。
4. 满足终止条件后，把已经验证的状态转换成输出。

始终保持：掩码中每一位的语义始终固定，所有操作都在同一位宽和符号约定下进行。

#示例推演

Number of Bytes  |        UTF-8 octet sequence
|              (binary)
--------------------+---------------------------------------------
1          | 0xxxxxxx
2          | 110xxxxx 10xxxxxx
3          | 1110xxxx 10xxxxxx 10xxxxxx
4          | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

#边界与陷阱

• 空输入、单元素、重复元素以及不存在合法答案时，要有明确返回值。
• JavaScript 位运算按 32 位有符号整数执行，超出范围时必须改用 BigInt。
• 如果实现会修改输入，面试时要主动说明；如果不能修改，则复制数据或改用额外结构。

#代码实现

参考实现来源：JoshCrozier/leetcode-javascript，按本文结构重新整理；原项目采用 MIT License。

#JavaScript 实现

/**
 * @param {number[]} data
 * @return {boolean}
 */
var validUtf8 = function(data) {
  let result = 0;

  for (const n of data) {
    if (result === 0) {
      if (n >> 7 === 0) result = 0;
      else if (n >> 5 === 0b110) result = 1;
      else if (n >> 4 === 0b1110) result = 2;
      else if (n >> 3 === 0b11110) result = 3;
      else return false;
    } else {
      if (n >> 6 !== 0b10) return false;
      result--;
    }
  }

  return result === 0;
};

#代码与思路对照

读代码时应把每个判断还原成“它排除了什么状态或完成了哪次转移”，而不是只记变量名。

#复杂度分析

• 时间复杂度：O(n)，其中 n 为数组 data 的长度。
• 空间复杂度：O(1)。

复杂度必须按“状态数量 × 每个状态处理成本”分析；如果存在排序、堆操作、递归深度或结果数组，需要单独计入，不能只看最外层循环。

#面试官递进追问

#1. 为什么本题适合 位运算？

因为利用二进制位彼此独立、异或抵消或掩码枚举的性质压缩状态和计算。 为什么问： 检查你是在识别性质，还是只凭题号背模板。回答要抓住可被利用的单调性、重复子问题或数据结构约束。

#2. 代码维护的核心状态是什么？

每一位或一个 bitmask 对应一组布尔状态，位操作完成集合增删与关系判断。 为什么问： 状态定义决定代码是否可证明。回答时要让每个变量都能对应到题意。

#3. 这个实现依赖什么不变量？

掩码中每一位的语义始终固定，所有操作都在同一位宽和符号约定下进行。 为什么问： 不变量比逐行复述代码更能证明理解，回答要说明它在初始化、推进和结束时都成立。

#4. 为什么这样推进不会漏掉答案？

按位统计、构造或枚举掩码，再把各位贡献合并为最终结果，被跳过的状态已经由题目性质证明不可能更优或已经处理完成。 为什么问： 检查正确性证明，重点不是“指针这样写”，而是“为什么可以排除”。

#5. 最危险的边界是什么？

JavaScript 位运算按 32 位有符号整数执行，超出范围时必须改用 BigInt。 为什么问： 检查代码能否一次通过，回答要给出具体失败场景而不是只说“注意边界”。

#6. 复杂度还能优化吗？

先看瓶颈来自状态数量、每次转移成本还是辅助结构操作；只有其中一项能被减少时，复杂度才可能继续下降。 为什么问： 检查你能否从成本组成出发优化，而不是机械背最优复杂度。

#7. 如果输入规模扩大或数据改成流式，方案怎么变？

要判断当前算法是否需要随机访问全部输入；若只依赖有限历史状态，可以做滚动或在线维护，否则需要分块、外存或调整数据结构。 为什么问： 检查算法理解能否迁移到工程约束。

#8. 有哪些替代解法，如何取舍？

可以从暴力枚举开始，再比较排序、哈希、搜索或动态规划等方案；取舍标准是时间、空间、是否修改输入和实现复杂度。 为什么问： 检查横向比较能力。回答要说明替代方案为什么更慢或在什么条件下更合适。

#常见错误回答

• “这题套 位运算 模板即可”：只有结论，没有说明题目性质和排除依据。
• 逐行朗读代码：没有建立状态、不变量和正确性因果链。
• 只报 O(n) 或 O(n²)：没有解释每个状态被访问多少次，也容易漏掉排序或辅助结构。
• 把示例能跑通当成证明：示例只能帮助检查，不能覆盖重复值、空输入和极端边界。

#可迁移总结

• 核心关键词：位运算、状态定义、不变量、推进规则、边界。
• 一句话本质：利用二进制位彼此独立、异或抵消或掩码枚举的性质压缩状态和计算。
• 思考链路：识别题目性质 → 定义状态 → 证明推进安全 → 确定更新时机 → 检查边界与复杂度。
• 1 分钟回答：说清题型、核心状态、推进规则和复杂度。
• 3 分钟回答：补上正确性依据、示例和两个关键边界。
• 10 分钟回答：写出代码，并比较替代方案、空间优化和工程限制。

#刷题后自测

先只回答第 1 题，再展开后续问题：

1. 不看代码，你能用一句话说出本题的不变量吗？

2. 如果把示例中的重复值、空输入或边界值换掉，哪一行代码最先受到影响？

3. 不改变正确性的前提下，你能写出一种替代方案并比较复杂度吗？