Les caractères ne sont pas des octets
La taille dépend de l’encodage. UTF-8 utilise des séquences de longueur variable ; UTF-16 emploie des unités de deux octets et parfois une paire pour un seul symbole. Les mesures excluent la marque BOM.
Exemple et limites
A occupe un octet en UTF-8 et deux en UTF-16 ; l’arabe et les émojis diffèrent. Le nombre de points de code Unicode ne correspond pas toujours au nombre de caractères visibles composés.