分割unicode字符串的风险是什么？

Question

我知道UTF-8编码的字符串不应该在unicode标量(代码点)的多字节表示中被分割。同样适用于UTF-16。

在更高的层次上，unicode字符串是一系列代码点(unicode标量)，代码点的集群可以用来形成复杂的图形符号，例如，代码点स和्形成了图形素स्。因此，字符串不应该在这样一个集群的中间被分割。类似地，标志是使用区域指示符号序列表示的，因此应该小心不要在序列中间分割字符串。

另外，还有从左到右(LTR)和从右到左(RTL)代码点，它们对双向文本很有用。我假设当包含双向文本的unicode字符串被分成两部分时，我们需要在第二部分中插入额外的LTR或RTL代码点，以保持原来的方向性，对吗？

也许，如果原始字符串包含一个Byte-Order-Mark (BOM)代码点，那么它也应该添加到第二部分，对吗？

在分割Unicode字符串时，还需要注意其他事情吗？我试图评估各种编程语言对Unicode的支持程度。

编辑：阿德里亚诺·雷佩蒂下面的评论指向Unicode标准附件29，它详细回答了这个问题(谢谢！)。

Answer 1

以下是阿德里亚诺·雷佩蒂的评论：

我已经在几个地方写过了，那么让我简单地说一句:即使您将自己限制在拆分代码单元(然后我不会考虑破坏编码、代理&类似地，让我们把代码点放在游戏之外)也有关于字符串可以在哪里被破坏的规则。见https://unicode.org/reports/tr29/。附带注意:我不希望看到任何字符串中的BOM (只有在存储中处理它的字节表示时，它才是关于编码的)--阿德里亚诺·雷佩蒂