编程中，字符串一般使用 Unicode。但是，绝大部分人并不了解 Unicode，常常犯一些低级错误。本文列出一些问题，都常在实际情况下遇到。不讲过于技术性或理论性的东西，因为我不懂。
本文也为我自己备忘。和绝大部分人一样，我也不了解 Unicode，本文可能有错误。
资料
这个术语表很好用，简洁明了：Glossary。
或者直接看标准（文件很大！）。
字符
字符类型常常不是一般认知的字符。
以下几种通常用作字符类型：
- Code unit。通常是 UTF-16 的，也就是十六位无符号整数。也有 UTF-8 的，八位。
- Code point。0 到 10FFFF 的整数。
- Scalar value。Code point 去除代理字符，也就是 0 到 D7FF，或 E000 到 10FFFF。
Java 使用第一种。Haskell 使用第二种。Rust 使用第三种。
偶尔还有用 grapheme cluster 的，那更符合一般认知。
字符串
标准的字符串表示 scalar value 序列，表示为 code unit 序列。
字符串类型通常使用 UTF-16 或 UTF-8。许多使用 UTF-16 的语言（如 JavaScript）允许字符串格式错误，也就等同于十六位无符号整数序列（非正式名称 WTF-16）。
字符串操作
正确的字符串连接后依然正确，切分则不一定。WTF-16 随便怎么弄都依然是 WTF-16。
正确的字符串，首尾切除若干 code unit 后，若把一个字符切两半就会错误。但是，正确与否一定可以检测出来，即便错误，也一定可以剔除错误部分，不会连累其他字符，也不会多出莫名其妙的字符。不过 WTF-16 不行。
字符串匹配（子串查找）可以直接在 code unit 层面进行，如果字符串格式正确，结果也正确。
字符串的相等比较，应当正规化：NFC、NFD、NFKC、NFKD。正规化是上下文相关的，转换后连接不等于连接后转换。
字符操作
通过字符串的下标访问 scalar value 或者 code point，通常是线性复杂度的。如果复杂度很低，一般说明访问的其实是 code unit。
一般不需要通过字符串的下标访问字符（例如 scalar value）。如果用到了，一般说明方案不好。建议使用字符串匹配，或者正则表达式。
要获取字符串中的字符，建议获取 grapheme cluster。这通常都是最佳方案，例如在翻转字符串时。
绝对不要自己处理字符的性质，包括但不限于大小写的转换和判断。例如语法解析，可以用 Xid_Start 之类的来解析标识符。
大小写转换
大小写转换会改变长度。
大小写转换是上下文相关的，转换后连接不等于连接后转换。
大小写转换可以是本地化的，不同地区转换结果可以不同。
转过去再转回来，不等于原来的（废话）。转过去再转回来再转过去，不等于直接转过去。
大小写无关形式应当使用专门的 toCasefold 方法，不要转成大写或小写。
如果要规范化，NFC 或 NFD 规范化应当在 toCasefold 前后各进行一遍，进而是幂等的。例如 NFD(toCasefold(NFD(x)))。