El emoji, el utf8mb4 y 176 dibujos de 12×12 píxeles

Hoy es el Día Mundial del Emoji. Y la razón por la que es hoy y no cualquier otro día es tan tonta, tan absolutamente arbitraria, que merece un artículo entero.

Mira el emoji de calendario: 📅

En los dispositivos de Apple, ese calendario marca el 17 de julio. Siempre. Y no es una efeméride del calendario mundial: es el día en que Apple presentó iCal, en 2002.

En 2014, Jeremy Burge, fundador de Emojipedia, se fijó en ese detalle y lo propuso como Día Mundial del Emoji. La fecha acabó adoptándose internacionalmente.

Me encanta. Es tecnología en estado puro: una convención sin autoridad detrás que todo el mundo acaba adoptando porque nadie tenía una idea mejor.

Donde acabaron aquellos 176 dibujos de 12×12 píxeles. Foto: Intel Free Press, CC BY-SA 2.0; imagen recortada y disponible bajo la misma licencia.

Antes hubo 176 dibujos de 12×12

La historia de verdad empieza en 1999, en Japón.

Shigetaka Kurita trabajaba en NTT DoCoMo, en el equipo de i-mode, un servicio de internet móvil pionero. El contexto era de restricciones duras: mensajes muy breves, pantallas diminutas y la necesidad de meter información visual en muy poco espacio.

De ahí salieron 176 iconos de 12×12 píxeles. Ciento cuarenta y cuatro píxeles cada uno para representar un corazón, una cara triste, tiempo nublado o un teléfono. No era arte: era ingeniería de comunicación bajo restricciones brutales.

Ese conjunto original entró en 2016 en la colección del MoMA de Nueva York, que es la trayectoria profesional más improbable de la historia del diseño.

Y luego llegó Unicode, y con él los problemas de verdad

Aquí es donde el asunto se pone interesante para quien programa.

Un emoji no es una imagen: es texto. Pero decir que es «un carácter, igual que la letra a» se queda corto, y ahí empieza la mitad de los errores. Puede ser un único punto de código (😀), uno con modificador de tono de piel (👍🏽), un carácter base con selector de variación para que se dibuje como emoji y no como símbolo (❤️), o una secuencia entera cosida con un carácter invisible, el Zero Width Joiner. Todo ello está especificado en el informe técnico UTS #51 de Unicode.

De ahí salen los problemas de verdad:

Uno. En JavaScript, "😂".length devuelve 2. Hoy, no «durante años»: length no cuenta caracteres percibidos, cuenta unidades de código UTF-16, y ese emoji se codifica como un surrogate pair, herencia de cuando se creyó que 65.536 caracteres bastarían para toda la humanidad. Array.from("😂").length sí devuelve 1, porque itera puntos de código. Lo que no arregla es el caso siguiente.

Dos. La familia 👨‍👩‍👧‍👦 son cuatro emojis cosidos con tres Zero Width Joiner: siete puntos de código que la pantalla dibuja como un solo grafema, así que ahí Array.from() te dirá 7. Para contar lo que el usuario ve, la herramienta es Intl.Segmenter con granularidad de grafema.

Y cuidado con la conclusión fácil: cuánto ocupa esa familia en tu límite de campo depende de qué esté contando cada capa. Bytes en disco, caracteres en la validación del formulario, puntos de código en el lenguaje y otra cosa distinta en la base de datos. El formulario que acepta el texto y la columna que lo recorta son el mismo bug visto desde dos sitios.

Tres. El clásico español: durante años, meter un emoji en un MySQL configurado con utf8 provocaba un error o truncaba el texto. Aquel utf8 no era falso: era una implementación limitada a tres bytes por carácter —hoy MySQL la llama utf8mb3 y está obsoleta— que no llega a los puntos de código de cuatro bytes, que es donde viven los emojis. El juego completo es utf8mb4, y hay que ponerlo en la tabla, en la columna y en la conexión.

Cuatro. El emoji que tú envías y el que la otra persona ve no son el mismo dibujo. Unicode define el concepto; cada fabricante lo dibuja. Hubo un caso célebre con la 🔫, que Apple convirtió en pistola de agua verde en 2016 mientras el resto seguía mostrando un arma. Enviabas una cosa y llegaba otra. Con implicaciones que, en algún juzgado, dejaron de tener gracia.

Cinco. Y el que más me gusta: los emojis se pueden ordenar, porque todo punto de código tiene un valor numérico. Con la misma configuración el resultado debería ser estable, aunque depende de la collation, del motor y de la versión de Unicode, y para una persona no significa nada.

El emoji que ganó todo

En 2015, el Diccionario Oxford eligió como palabra del año a 😂. No una palabra: un emoji.

Hubo quien lo interpretó como el fin de la civilización. A mí me parece justo lo contrario. Los emojis no empobrecen la escritura: recuperan algo que la escritura nunca tuvo y el habla siempre tuvo, que es el tono. Llevamos cinco mil años escribiendo sin poder indicar si algo va en serio o en broma, y la solución que hemos encontrado es una carita amarilla.

Es el mismo problema al que respondían aquellos 144 píxeles de 1999.

El emoji en el trabajo, que es donde arde

Y ahora la parte polémica, porque este es un blog de oficio.

El emoji en el entorno profesional tiene reglas no escritas y muy reales:

• El 👍 a secas es ambiguo hasta el crimen. Para media oficina significa «recibido». Para la otra media, «no pienso discutir esto contigo». Su interpretación puede variar entre personas, equipos y generaciones, cosa que se comprueba enseguida preguntando en cualquier oficina.
• La 🙂 al final de una frase seca es la forma más elegante de amenaza que ha producido el ser humano. «Lo necesito para hoy 🙂».
• El ✅ en un hilo de incidencia debería ser obligatorio. Es la única forma barata de cerrar un asunto sin escribir «vale» y generar otra notificación.
• Y el 🔥 en una pull request no es una revisión de código.

En mis proyectos sí uso una convención: emojis como prefijo estable en los mensajes de commit o en los canales de alerta. Un 🚨 para caídas, un 🐛 para bugs, un 📦 para despliegues. El ojo localiza una forma de color mucho más rápido que una palabra, y cuando tienes doscientas líneas en un canal a las tres de la mañana esa milésima cuenta.

Con una condición no negociable: el emoji acompaña, nunca sustituye. Al lado va la palabra —🚨 CAÍDA, 🐛 bug—, porque el símbolo solo no lo lee bien un lector de pantalla, no se busca con un grep, se pierde en los registros que no van en UTF-8 y sale como un cuadrado en una consola vieja. Si tu clasificación se rompe cuando el emoji no se dibuja, no es una clasificación: es un adorno con responsabilidades.

Feliz 17 de julio

Así que hoy, mientras alguien te manda un 👍 que no sabes cómo interpretar, acuérdate de que estás usando un estándar internacional del mismo comité que gestiona el alfabeto cirílico, y de que aquello empezó con 176 dibujos de doce por doce píxeles.

Ingeniería de comunicación bajo restricciones. Kurita otra vez.

🎉