Siempre me ha fascinado el reto que supone para Unicode intentar unificar en un solo estándar de codificación todas las lenguas, vivas o muertas, junto con los símbolos de diversas disciplinas técnicas y, como guinda, los emojis. En la Tabla Unicode que encontré hay una buena representación bien organizada y también visual de muchos de ellos.

Para quien quiera investigar un poco más, The Absolute Minimum Every Software Developer Must Know About Unicode in 2023 (Still No Excuses!) «El mínimo absoluto que todo desarrollador debería conocer en 2023 (¡no hay excusas!) sigue siendo una espléndida referencia.

Allí se propugna que a día de hoy lo que solía conocerse como «texto plano» apenas se usa, si es que acaso existe. Casi todo lo que se maneja está codificado en UTF-8, pero la mayoría de desarrolladores aún no comprende cómo funciona Unicode en profundidad. El artículo ya tiene un par de años, pero explica:

Qué son los punto de código (code points).
Los peligros de contar mal los caracteres de una cadena de texto.
Las limitaciones del UTF-16.
Por qué los emojis ocupan cuatro bytes.
Cómo una simple letra como “Å” puede tener varias representaciones distintas… pero visualmente idénticas.
La diferencia entre codificación y normalización.

La conclusión es clara: trabajar con texto no es «trabajar con texto». Más bien es navegar por un mar minado de bytes, acentos invisibles, emojis camuflados tras matorrales y caracteres que se comportan erráticamente. Unicode no es el enemigo, pero tampoco es tu amigo. Ánimo y a disfrutarlo.
# Enlace Permanente