Wat een palindroomcontrole moet beslissen voordat ze kan antwoorden
Gepubliceerd op 2-6-2025 · 13 min leestijd · Tekst- & taaltools
Daniel Okonkwo — Front-enddeveloper en techredacteur bij OneKitly
Webprestaties · Bestandsformaten
Getoetst aan 5 bronnen
„Is dit een palindroom” heeft geen antwoord tot er vier keuzes over normalisatie zijn gemaakt, en elke keuze verandert het verdict over echte zinnen. Uitgevoerd in Node: „A man, a plan, a canal: Panama” is geen palindroom zoals het is getypt, en ook niet met de hoofdletters gelijkgesteld, en ook niet met de witruimte verwijderd — het wordt er pas een zodra de interpunctie wegvalt, wat amanaplanacanalpanama geeft. Het Italiaanse „I topi non avevano nipoti” heeft hoofdletters en witruimte nodig maar geen regel voor interpunctie. Het Duitse „Ein Esel lese nie” is al een palindroom met alleen de hoofdletters gelijkgesteld, want zijn spaties vallen toevallig symmetrisch. En het Franse „Ésope reste ici et se repose”, het Spaanse „Dábale arroz a la zorra el abad” en het Portugese „Socorram-me, subi no ônibus em Marrocos” hebben alle drie een vierde regel nodig, het gelijkstellen van diakritische tekens, want É tegen e en á tegen a zijn verschillende tekens. De tweede helft van het probleem is dat een tekenreeks omkeren zelf ongedefinieerd is. Omkeren per UTF-16-code-eenheid splitst surrogaatparen en levert tekst op die niet goed gevormd is; omkeren per code-punt maakt een combinerend accent los van zijn letter en verandert een gedecomponeerde Grüße in eß̈urG. Keer om per grafeemcluster, met Intl.Segmenter, en benoem de vier beleidskeuzes.
Hoofdletters, witruimte, interpunctie en diakritische tekens: vier beleidskeuzes, zes echte zinnen, en het antwoord verandert bij elke keuze. Daarna de zwaardere helft — een tekenreeks omkeren is zelf ongedefinieerd, en omkeren per code-eenheid breekt emoji en maakt accenten los, gedemonstreerd in Node.
De vraag is ongedefinieerd tot er vier keuzes zijn gemaakt
Een palindroom leest vooruit hetzelfde als achteruit. Die definitie is alleen volledig voor een tekenreeks van kale kleine letters, en bijna geen echte tekst is dat. Zodra een zin hoofdletters, spaties, komma's of accenten heeft, splitst de vraag zich in vier kleinere: is een hoofdletter gelijk aan zijn kleine vorm, tellen spaties als tekens, tellen interpunctietekens mee, en is een letter met een accent dezelfde letter als zijn basis zonder accent? Vier ja-of-nee-antwoorden, zestien combinaties, en de combinaties die ertoe doen vormen een geneste reeks waarbij elke volgende meer zinnen toelaat dan de vorige.
De tabel hierboven is die reeks toegepast op zes zinnen, uitgevoerd in plaats van beargumenteerd. Lees haar kolom voor kolom en elke kolom verdient haar plaats: witruimte alleen bevordert de Italiaanse zin, interpunctie alleen bevordert de Engelse, en het gelijkstellen van diakritische tekens alleen bevordert de Franse, de Spaanse en de Portugese. Een controle die een van deze keuzes hard in zijn code heeft, beantwoordt een andere vraag dan de vraag die zijn gebruiker heeft gesteld, en beantwoordt die stil.
Vier zinnen, vier verschillende stoppunten
Begin bij de Engelse, want dat is de zin die iedereen aanhaalt. „A man, a plan, a canal: Panama” is geen palindroom zoals het is getypt — de hoofdletter A aan het ene eind staat tegenover een kleine a aan het andere. Stel de hoofdletters gelijk en het is er nog altijd geen: de spaties vallen niet symmetrisch. Verwijder de witruimte en het is er nog altijd geen, want er blijven een komma en een dubbele punt staan. Verwijder ook de interpunctie en het is het eindelijk: amanaplanacanalpanama, eenentwintig tekens, symmetrisch. Er moesten drie beleidskeuzes aan voordat het beroemde antwoord verscheen.
Het Duitse „Ein Esel lese nie” stopt één stap eerder dan al het andere in de tabel. Stel de hoofdletters gelijk en het is al een palindroom: einesellesenie leest beide kanten op hetzelfde, en de zin met zijn spaties erin ook, want zijn woordlengtes — drie, vier, vier, drie — zijn per constructie symmetrisch. Een controle die altijd de witruimte wegstript krijgt hier het juiste antwoord, maar om de verkeerde reden, en hij zal je nooit kunnen vertellen dat deze zin een palindroom is in de sterkere zin dat ook zijn spaties dat zijn. Het andere Duitse voorbeeld, „O, Genie, der Herr ehre dein Ego!”, heeft de regel voor interpunctie nodig en niets meer.
De drie Romaanse zinnen hebben alle de vierde regel nodig en falen op elke eerdere. „Ésope reste ici et se repose” met de interpunctie weggestript maar de accenten behouden geeft ésoperesteicietserepose, waarvan de omkering esoperesteicietsereposé is — het accent is van het eerste teken naar het laatste verhuisd, en de tekenreeksen verschillen. Stel het diakritische teken gelijk en beide worden esoperesteicietserepose. Hetzelfde gebeurt bij dábale…, waarvan de omkering op á eindigt, en bij socorram-me…, waar de ô op de verkeerde plek landt. Let op wat dat in de praktijk betekent: een controle die voor het Engels is gebouwd, meldt drie volkomen goede Europese palindromen als mislukkingen, en doet dat zonder enige foutmelding.
Een tekenreeks omkeren is ook niet één bewerking
Elke palindroomcontrole vergelijkt een tekst met zijn omkering, en in die omkering woont de tweede helft van het probleem. De omkering van één regel die iedereen schrijft — s.split("").reverse().join("") — keert UTF-16-code-eenheden om. Een bijbehorend artikel in deze reeks behandelt wat een teken is; het gevolg hier is dat elk teken buiten het Basic Multilingual Plane als twee code-eenheden is opgeslagen, en die afzonderlijk omkeren wisselt het paar. Keer „ça va 😀” zo om en het resultaat bevat een laag surrogaat gevolgd door een hoog surrogaat: acht code-punten in plaats van zeven, en isWellFormed() geeft onwaar terug. Op het scherm is het een vervangingsvierkantje.
De gebruikelijke oplossing is in plaats daarvan code-punten omkeren: [...s].reverse().join(""). Dat repareert de emoji — „ça va 😀” wordt „😀 av aç”, nog altijd zeven code-punten — en het is nog steeds niet genoeg. Neem „José” in gedecomponeerde vorm, waarin de é een e is gevolgd door een combinerend accent aigu: vijf code-punten, vier grafemen. De code-punten omkeren zet het combinerende accent vooraan, waar het geen letter heeft om aan vast te zitten, en laat een kale e staan: het resultaat is vijf grafemen waar er vier waren, en het accent rendert op niets. Het Duitse geval is nog levendiger. Decomponeer „Grüße” en keer de code-punten om en je krijgt eß̈urG: de umlaut is van de u gesprongen en op de ß geland.
Emoji die uit meerdere code-punten zijn gebouwd, falen op dezelfde manier. Het gezin 👨👩👧 is drie mensen verbonden door zero-width joiners: acht code-eenheden, vijf code-punten, één grafeem. Zijn code-punten omkeren levert een gezin op dat rendert als 👧👩👨 — dochter, moeder, vader — en dat is een andere emoji, geen omgekeerde, en zijn code-eenheden omkeren levert iets op dat als fragmenten rendert. Alleen omkeren per grafeemcluster laat het onaangeroerd.
Keer om per grafeemcluster
Een grafeemcluster is de naam die Unicode geeft aan wat een lezer een teken noemt: een basisletter plus wat er ook op combineert, of een hele emojireeks. JavaScript stelt de segmentatieregels direct beschikbaar via Intl.Segmenter, en een correcte omkering is drie regels: bouw een segmenter met granularity "grapheme", spreid zijn uitvoer, keer om, voeg samen. Op elk voorbeeld hierboven doet hij het juiste — de emoji overleeft, het gezin blijft een gezin, en de gedecomponeerde Grüße komt terug als eßürG, met de umlaut nog op zijn u.
Er zit een besluit over normalisatie onder, en het Franse woord été laat het in één regel zien. In samengestelde vorm is het drie code-punten en die omkeren geeft été terug: een palindroom. In gedecomponeerde vorm is het vijf code-punten, die omkeren geeft een tekenreeks met de accenten op de verkeerde plekken, en hetzelfde zichtbare woord wordt als geen palindroom gemeld. Omkeren per grafeemcluster geeft in beide vormen het juiste antwoord — maar vergelijk je de twee vormen met elkaar, dan zijn ze nog altijd ongelijk, en daarom hoort een controle naar NFC te normaliseren voordat ze wat dan ook doet. Het artikel over accenten in deze reeks behandelt de vormen NFC en NFD volledig.
Een palindroom van cijfers is een ander probleem
Getallen lijken het makkelijke geval en zijn dat niet. Een palindroom van een getal is een eigenschap van een waarde in een grondtal, en een palindroom van tekst is een eigenschap van een weergave. 12321 is een palindroom in grondtal tien. Weergegeven voor een lezer houdt het in elke locale in dit artikel op er een te zijn: 12,321 omgekeerd is 123,21 in het Engels, 12.321 omgekeerd is 123.21 in het Duits, het Spaans, het Italiaans en het Nederlands, en 12 321 omgekeerd is 123 21 in het Frans en het Portugees — waar het scheidingsteken een smalle vaste spatie U+202F is in het Frans en een gewone vaste spatie U+00A0 in het Portugees, twee onzichtbare tekens die een naïeve vergelijking toch al als verschillend behandelt.
Nog drie verschillen volgen uit datzelfde onderscheid. Een teken is een teken maar geen cijfer: -121 keert als tekst om naar 121- en faalt, terwijl als waarde de vraag of een negatief getal een palindroom kan zijn een afspraak is die je moet kiezen. Een decimale punt is net zo goed een teken: 0.1 keert om naar 1.0, twee verschillende tekenreeksen die verschillende waarden aanduiden. En voorloopnullen bestaan in tekst en niet in getallen: 010 is een palindroom als tekst, en als getal is het 10, en dat is het niet. Is je invoer een getal, strip dan de opmaak en werk op de cijfers; is je invoer tekst die er toevallig numeriek uitziet, zeg dat dan en behandel haar als tekst.
Wat je moet bouwen, in deze orde
Het recept dat alle zes talen overleeft is kort. Normaliseer eerst naar NFC, zodat dezelfde zichtbare tekst altijd dezelfde weergave heeft. Pas daarna de beleidskeuzes toe die je hebt genomen en kunt benoemen: naar kleine letters, witruimte weg, alles weg wat geen letter of cijfer is, diakritische tekens gelijkstellen door te decomponeren en de tekens te verwijderen. Keer daarna om per grafeemcluster en vergelijk. Vier stappen, en elk ervan is een keuze die je in de interface kunt zetten in plaats van een standaard die je in de code verbergt.
Nog één opmerking over de omkering, want hij is tegenintuïtief en hij verbergt fouten. Twee keer omkeren geeft altijd de oorspronkelijke tekenreeks terug, per welke eenheid je ook omkeert — code-eenheden, code-punten en grafemen zijn alle involuties op de rij waarop ze werken. Een heen-en-terugtest vertelt je dus niets over de vraag of je omkering juist is. De enige test die de gebroken gevallen betrapt, is naar het tussenresultaat kijken, en de snelste manier om ernaar te kijken is grafemen tellen voor en na: voor een gedecomponeerde José zijn dat vier en vijf.
| Zin | Alleen hoofdletters gelijkgesteld | + witruimte genegeerd | + interpunctie genegeerd | + diakritische tekens gelijkgesteld |
|---|---|---|---|---|
| A man, a plan, a canal: Panama | Nee | Nee | Ja | Ja |
| I topi non avevano nipoti | Nee | Ja | Ja | Ja |
| Ein Esel lese nie | Ja | Ja | Ja | Ja |
| Ésope reste ici et se repose | Nee | Nee | Nee | Ja |
| Dábale arroz a la zorra el abad | Nee | Nee | Nee | Ja |
| Socorram-me, subi no ônibus em Marrocos | Nee | Nee | Nee | Ja |
Veelgestelde vragen
- Is „A man, a plan, a canal: Panama” een palindroom of niet?
- Onder het gebruikelijke beleid ja; zoals het is getypt nee. Stel de hoofdletters gelijk, laat de spaties weg en laat de interpunctie weg en het wordt amanaplanacanalpanama, en dat is symmetrisch. Houd een van die drie en het is er geen. Dat is geen vangvraag — het is wat de uitdrukking „hoofdletters, spaties en interpunctie negerend” in elke leerboekdefinitie doet, en een tool die je de drie regels los van elkaar laat omzetten, vertelt je de waarheid in plaats van haar te verbergen.
- Waarom leverde mijn tekst omkeren een gebroken vierkantje op?
- Omdat de omkering op UTF-16-code-eenheden werkte en je tekst een teken buiten het Basic Multilingual Plane bevatte — een emoji, een zeldzaam CJK-teken, een wiskundig symbool. Die zijn als surrogaatpaar opgeslagen, en de twee helften omkeren levert een reeks op die geen enkel lettertype kan renderen. Controleer het met isWellFormed(), die op zo'n tekenreeks onwaar teruggeeft, en zet de omkering om naar grafeemclusters met Intl.Segmenter.
- Moet een palindroomcontrole accenten negeren?
- Ze hoort de keuze te bieden en standaard gelijk te stellen, want de traditie in het Franse, Spaanse en Portugese woordspel behandelt é en e als dezelfde letter. Zonder gelijkstellen houden drie van de zes zinnen in de tabel hierboven op palindroom te zijn: Ésope reste ici et se repose, Dábale arroz a la zorra el abad en Socorram-me, subi no ônibus em Marrocos falen alle op hun eerste en laatste teken. Stel gelijk door naar NFD te decomponeren, de combinerende tekens te verwijderen en opnieuw samen te stellen — het artikel over accenten in deze reeks behandelt waarom dat niet hetzelfde is als letters een voor een vervangen.
- Is 12321 een palindroom?
- Als getal in grondtal tien ja. Als weergegeven tekst nee — in elke locale in dit artikel. Opgemaakt voor een lezer wordt het 12,321 in het Engels en 12.321 of 12 321 elders, en die tekenreeksen omkeren geeft 123,21, 123.21 en 123 21. Controleer je getallen, werk dan op de cijfers en beslis uitdrukkelijk wat je doet met een teken, een decimaal scheidingsteken en voorloopnullen: -121 keert om naar 121-, 0.1 keert om naar 1.0, en 010 is een palindroom als tekst terwijl het getal dat het aanduidt 10 is.
- Geeft een tekenreeks twee keer omkeren altijd het origineel terug?
- Ja, en precies daarom is een heen-en-terugtest hier waardeloos. Omkeren per code-eenheid, per code-punt of per grafeemcluster zijn alle involuties: pas een ervan twee keer toe en je krijgt de invoer terug, zelfs als de enkele omkering er tussenin een gebroken tekenreeks opleverde. Test in plaats daarvan het tussenresultaat — vergelijk het aantal grafemen voor en na, of roep isWellFormed() erop aan.
- Kan een enkel woord een palindroom zijn zonder een van deze regels?
- Ja, en dat zijn de enige gevallen waarin de vraag één antwoord heeft. Woorden van alleen kleine ASCII-letters zoals racecar, radar, kayak, het Franse ressasser, het Spaanse reconocer, het Italiaanse onorarono en het Portugese reviver zijn palindromen zonder enig beleid — teken voor teken nagegaan. Zet er een hoofdletter op en je hebt de regel voor hoofdletters nodig: het Duitse Reliefpfeiler, Rentner en Lagerregal zijn pas palindromen zodra de beginhoofdletter is gelijkgesteld, en dat is één beleidskeuze en geen vier.
Artikelen die je misschien interesseren
Alle gidsen →Vergelijkbare tools
Bronnen
- Unicode Consortium — Unicode Standard Annex #29: Unicode Text Segmentation — grapheme cluster boundaries
- Unicode Consortium — Unicode Standard Annex #15: Unicode Normalization Forms (NFC, NFD, NFKC, NFKD)
- Unicode Consortium — Unicode Technical Standard #51: Unicode Emoji — emoji ZWJ sequences
- Ecma International — ECMAScript Internationalization API Specification (ECMA-402) — Intl.Segmenter
- MDN Web Docs — String.prototype.normalize() and Intl.Segmenter
Een fout in dit artikel gezien?