标签: #text
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 1 篇
Unicode 与 UTF-8：文本编码的雷区
字节、码点、字形簇是三个不同的层。一个表情符号的 length 为什么会撒谎，UTF-8、UTF-16、UTF-32 之间到底有什么不同，NFC/NFD 规范化与 é 问题，用 ZWJ 拼接的表情符号，代理对（surrogate pair），以及字符串反转为什么会崩坏——本文从韩语、日语使用者的视角，深入拆解文本编码这片雷区。
2026-06-16 · 17 分钟阅读 #unicode#text#fundamentals