ऍटोकरेक्ट वापरून कठीण शब्द / जोडाक्षरे

नेहमी लागणारे कठीण शब्द (इंग्रजी भाषेच्या) ऍटोकरेक्ट लिस्टमध्ये टाकून ठेवता येतात. उदा.

:klp: क्लृप्ती

:krd: कुऱ्हाड

आता मला जेव्हा "क्लृप्ती" हा शब्द लिहायचा असेल तेव्हा फक्त  :klp: असे लिहून स्पेस दिली की काम झाले!

अफिक्स फाईलमधील बदल

सध्याच्या स्पेल-चेकमध्ये खाली दिलेले चारही शब्द शुद्ध समजले जातात व त्याखाली लाल रेघ येत नाही.

घरामध्ये
घरामधे
घरामधें
घरामध्यें

शुद्धलेखनाच्या नियम १.५ प्रमाणे अनुच्चारित अनुस्वार देता येत नाहीत. त्यामुळे शेवटचे दोन शब्द आपोआप अशुद्ध ठरतात. तर "मधे” हे "मध्ये” या शब्दाचे बोली रूप असून ते देखील नियमाप्रमाणे अशुद्ध ठरते. फक्त पहिला "घरामध्ये” हा एकच शब्द शुद्ध ठरतो. तसे असले तरी सर्वसमावेशक डिक्शनरी बनविण्याच्या धोरणाप्रमाणे चारही शब्द योग्य दाखविले आहेत. कोणाला जर १००% नियमाने चालणारी डिक्शनरी हवी असेल तर अफिक्स फाईलमधील खाली दिलेले दोन रूल काढून टाकून स्पेल चेकर बनवून घेता येईल.

BREAK ं$
ICONV मधे मध्ये

शास्त्रात् रूढीः बलीयसी

४१, ४६, ८५ आणि ८६ हे अंक अक्षरी कसे काढायचे याची मला खात्री नाही. कारण सरकारी नियमाप्रमाणे ते असे आहेत. 

एकेचाळीस शेहेचाळीस पंच्याऐंशी शाऐंशी 

पण बाकी बहुतेक सर्व ठिकाणी हे शब्द असे लिहिलेले दिसत आहेत. 

एक्केचाळीस सेहेचाळीस पंचाऐंशी शहाऐंशी 

https://www.maharashtra.gov.in/Site/Upload/Government%20Resolutions/English/20091106130447001.pdf 

 पहाः पान १६ परिशिष्ट पाच (देवनागरी अंक आणि त्यांचे प्रमाणीकृत अक्षरी लेखन) 

 "शास्त्रात् रूढीः बलीयसी" या न्यायाने वर दिलेले रूढ शब्द डिक्शनरीत घेत आहे. कोणी आक्षेप घेतला नाही तर. दोन्ही शब्द बरोबर आहेत असे जर तज्ज्ञ सांगत असतील तर दोन्ही शब्द डिक्शनरीत ठेवता येतीलही. पण लिब्रे ऑफिसच्या नंबर टू टेक्स्ट फंक्शनमध्ये कोणतातरी एकच शब्द ठेवता येईल!

https://github.com/Numbertext/libnumbertext/pull/88/commits/73d0bb4bb8106a0f2f6d7b68ec1727b249e9299f

Apply Autocorrect

These words change to wrong words after I use Tools - autocorrect - apply.

औद्योगीकरण
निर्भत्सन
निर्भत्सना
पितांबर
पितृछाया
व्यक्तित्त्व
स्वताः
पुनःश्च
विशेषत्त्व

The new words looks like this and they are wrong. The are not present in auto-correct list.

औद्योगीकर्ण
निर्भत्सण
निर्भत्सणा
पीतांब्र
पीतृछाया
व्यक्तीत्त्व
स्वतःाः
पुनःःश्च
विशेषतः्त्व

Most of the words are getting converted correctly. But around 10% random words are not. The English auto correct works as expected. This is noticed only in Marathi.

https://bugs.documentfoundation.org/show_bug.cgi?id=142437

हंस्पेलमधील बग

खाली दिलेले दोन्ही गट हे इडागमाचा नियम वापरून बनलेले असले तरी पहिला गट चुकीचा म्हणून मार्क होत आहे तर दुसरा बरोबर.

लाल रेघ येऊन चुकीचे दर्शविलेले शब्दः

बोलाविण्याचे  बोलाविण्यास बोलाविण्याचा बोलाविण्याची बोलाविण्याच्या  बोलाविण्यामागे  बोलाविल्यानंतर बोलाविल्याचा बोलाविल्याचे  बोलाविल्याबद्दल बोलाविल्यावर बोलाविण्याऐवजी  बोलाविण्यासंदर्भात  बोलाविल्याचा बोलाविल्याचे  बोलाविल्याबद्दल बोलाविल्यावर

डिक्शनरीत असलेले आणि म्हणून लाल रेघ न येणारे बरोबर शब्दः

बोलविण्याचे  बोलविण्यास बोलविण्याचा बोलविण्याची बोलविण्याच्या  बोलविण्यामागे  बोलविल्यानंतर बोलविल्याचा बोलविल्याचे  बोलविल्याबद्दल बोलविल्यावर बोलविण्याऐवजी  बोलविण्यासंदर्भात  बोलविल्याचा बोलविल्याचे  बोलविल्याबद्दल बोलविल्यावर

R टॅग मध्ये P टॅग दिलेला आहे
SFX R णे ाविणे/P णे 

तर P टॅगमध्ये "ण्या-चे” हे पालुपद लावण्याची सोय आहे.
SFX P णे ण्या/Aacd णे 

म्हणजे बोलणे - बोलाविणे - बोलाविण्या - बोलाविण्याचे असे चार शब्द बनले पाहिजेत. प्रत्यक्षात फक्त पहिले तीनच शब्द बनत आहेत. याचे कारण हंस्पेल फक्त पहिल्या दोन पायऱ्यांचा विचार करतो. हा हंस्पेलमधील बग आहे त्याचा उल्लेख मी याच चर्चेत यापूर्वीदेखील केला आहे. त्याला उपाय म्हणजे एकाच्या ऐवजी दोन / तीन  शब्द डिक्शनरीत ठेवावे लागतील.

बोलणे/MNPQR
बोलवणे/NOP
बोलावणे/NOP

या तिन्ही क्रियापदांचा अर्थ वेगवेगळा असल्यामुळे ती एकत्र करण्याची माझी आयडिया मुळातच चुकीची होती.  हंस्पेलला दोष देण्यात काही अर्थ नाही!

निवडक शब्दसंपदा

"जीवाला” या शब्दाला पर्याय म्हणून "जुवाला" असा शब्द दिसत आहे. याचे कारण "जू” या मूळ शब्दाचे एकवचनी सामान्यरूप "जुवाला”, “जुवाचे” वगैरे होऊ शकते. स्पेल चेक सर्वसमावेशक बनविण्यासाठी जास्तीत जास्त शब्द आणि त्यांची रूपे घेण्याच्या नादात स्पेलचेकची क्वॉलिटी घसरू शकते. त्यासाठी निवडक शब्द आणि त्यांची ठरावीक रूपे घ्यावीत. 

"पंक" या शब्दाचा अर्थ दाते शब्दकोशाप्रमाणे "चिखल” किंवा "साखरेचा पाक” असा होतो. या दोन्हीपैकी कोणत्याच अर्थाने आज तो शब्द वापरात नाही. पंक/f अशी नोंद करून ६४५ शब्द डिक्शनरीत वाढवण्यात काहीही अर्थ नाही. असे बरेच शब्द आहेत ते काढावे लागतील. उदा. “अज/f” याचा अर्थ बोकड असा होतो. हा संस्कृत शब्द असून मराठीत फारसा वापरात नाही. वापरातील शब्दच ठेवणे फार महत्त्वाचे आहे. 

हंस्पेलमधील रीप्लेसमेंट टॅग

 चुकीच्या शब्दांना योग्य शब्द सुचवताना जे पर्याय येतात ते काही वेळा समर्पक नसतात. "वालवतो" या शब्दाला “वाळवतो” अशी सुचवणी न येता “चालवतो, घालवतो, खालवतो, खालावतो" हे शब्द सुचवले जात आहेत. याचे कारण हंस्पेलने "वालवतो" या शब्दातील "वा” चुकीचा असण्याची शक्यता गृहीत धरली आहे. आता आपण दुसरा शब्द पाहू. "वाडवतात” या शब्दाला “वागवतात वाजवतात वाळवतात वाचवतात" अशी सुचवणी  येत आहे. याचा अर्थ इथे "वा” नव्हे तर "ड” बदलायला हवाय हे हंस्पेलला बरोबर कळले. पण "ड” ला "ढ” हा "ग” अथवा "ज” पेक्षा जास्त जवळचा पर्याय आहे हे त्याला माहीत नाही. त्यामुळे "वाढवतात” हा पर्याय दिसत नाही. लोकं "ढ” च्या ऐवजी "ड” टाईप करतात कारण फोनेटिक मध्ये  "ढ” काढणे हे "ड” पेक्षा जास्त त्रासदायक ठरते. कोणते अक्षर कोणत्या अक्षराला जास्त जवळचे आहे हे हंस्पेलला शिकवण्यासाठी "रीप्लेसमेंट टेबल” चा टॅग वापरता येतो.

REP 9
REP स श
REP स ष
REP श ष
REP प फ
REP ज झ
REP ल ळ
REP न ण
REP त ट
REP ड ढ

"विसरला" हा शब्द "विषरला" असा सहसा लिहला जात नाही. कारण बहुतेक इन्पुट मेथडमध्ये ष हे अक्षर काढण्यासाठी ३ की-स्ट्रोक वापरावे लागतात. पण "विषय" हा शब्द "विशय" असा सर्रास लिहला जातो. त्यामुळे वर दिलेल्या  रीप्लेसमेंट टेबलमध्ये श – ष अशी नोंद असली तरी ष – श अशी नोंद नाही. यात कोणाला काही बदल करायचा असेल तर विकीच्या ह्या पानावर चुकीचा शब्द – बरोबर शब्द – सध्या दिसणारे पर्याय अशी नोंद करावी.  

https://tinyurl.com/replacement-table

रीप्लेसमेंट टेबल हा टॅग वापरून आपण आपला स्पेल चेक अधिक परिणामकारक बनवू शकू.

स आणि त

काही शब्दांना "स” आणि "त” हे विभक्ती प्रत्यय लागत नाहीत. उदा आइसक्रीम, फर्निचर कोशात अशा शब्दांपुढे (-स, -त X) अशी नोंद असते. असे सर्व शब्द वेगळे काढावे लागतील.

_____

खाली दिलेली पाच संग्रहवाचक शब्दयोगी अव्यये आहेत. 

च, ही, पण, देखील, सुद्धा 

ही अव्यये थेट मूळ शब्दाला लावली जातात. इतर अव्यये मात्र मूळ शब्दाच्या सामान्यरुपाला लावली जातात.  म्हणजे 

देवदेखील देवापेक्षा मोठा नाही.

या वाक्यात "देखील” हे अव्यय लावताना "देव” शब्दाचे सामान्यरूप झालेले नाही. पण ‘पेक्षा’ लावताना "देव” शब्दाचे सामान्यरूप "देवा” वापरले आहे. वर वर पाहता सामान्य वाटणाऱ्या या फरकाने हंस्पेल डिक्शनरीच्या अफिक्स फाईलमधे मात्र काही मोठे बदल करावे लागतील. Z हा टॅग आता असा दिसेल.

SFX Z Y 5

SFX Z 0 च .

SFX Z 0 ही .

SFX Z 0 देखील .

SFX Z 0 पण .

SFX Z 0 सुद्धा .

“च”, "ही” ही दोन अव्यये A टॅगमधून काढावी लागतील. कारण  तो टॅग सामान्यरूपाला लावला जातो. मूळ शब्दाला नाही.

मनोगताचा स्पेल चेकर

आतून, करून, नजीक, बदली आणि वतीने ही अव्यये मनोगत साईटने स्वीकारलेली दिसत नाहीत. याचा अर्थ बसण्याबदली, बसण्यावतीने असे शब्द त्यात चुकीचे म्हणून दाखविले जातात.  तसेच अनेकवचनी रूपे म्हणजे बसण्यांचा, बसण्यांच्या बसण्यांस ही देखील त्यात नाहीत. पण मनोगतात नाहीत म्हणजे मराठीत नाहीत असा त्याचा अर्थ होत नाही. म्हणून यात ठेवली आहेत.

बसलय की बसलंय?

टॅग P  मधील हे चार रूल बरोबर आहेत का?

SFX P णे लस णे
SFX P णे लंस णे
SFX P णे लय णे
SFX P णे लंय णे

यापासून बसलस, बसलंस, बसलय, बसलंय किंवा बसवलय, बसवलंय असे शब्द तयार होतात. त्यातील अनुस्वारयुक्त शब्द बरोबर आहेत. अनुस्वार नसलेले म्हणजे बसलय, बसवलय काढायचे तर हे दोन रूल कमी करावे लागतील.
 
SFX P णे लस णे
SFX P णे लय णे

सध्यातरी अनुस्वार नसलेले आणि असलेले असे चारही रूल्स आहेत. पण भविष्यात बहुतेक हे दोनच रूल्स राहतील.

SFX P णे लंस णे
SFX P णे लंय णे

अव्ययांची लोकप्रियता

करून, वाचून, नजिक, अंती, आतून, आधी असे अव्यय काढून टाकले कारण ते हल्ली वापरले जात नाहीत. त्याऐवजी अधिक वापरले जाणारे अव्यय जसे देखील, वरील, करता घेतले. त्यासाठी विकीचा शब्द संग्रह वापरला.

https://github.com/shantanuo/spell_check/blob/master/wiki_words.ipynb

https://kagapa.s3.ap-south-1.amazonaws.com/spellcheck/av2.pdf

Sample list of words with tags and the singular / plural words generated.

अतिथी/Aacdh (174 + 94)
आंधळा/e   188
अतिरेकी/e  188
अंडे/e     188
अनुभव/f   188
अडचण/g   188
अटक/i     94
अबला/j    188
अंधार/k     94
अंदाधुंद/l    94
अनास्था/n    94

अनियमित शब्दांचे नियमित रूप

वाणी शब्दाला e टॅग वापरून "वाण्याचे" बनवता येईल. पण अधिकारी, अनुयायी अशा शब्दांना तो टॅग वापरता येणार नाही. म्हणून अनियमित चालणाऱ्या शब्दांचे नियमित रूप करून घेऊन मग त्याला टॅग लावला.

अनुयाय/Ff

यातील पहिला F हे स्पष्ट करतो की हे अनियमित रूप असून मराठीत "अनुयाय" असा शब्द नाही. पण नंतरच्या f टॅगने बनविलेले शब्द स्वीकारण्यास काही हरकत नाही. म्हणून "अनुयायांचे"  हा शब्द बरोबर. जर असे केले नाही तर सर्व म्हणजे सुमारे १५० शब्द डिक्शनरीत केवळ एका शब्दासाठी जमा करावे लागतील. ते शक्य नाही.

SFX e Y 8
SFX e ा  ्या/Aacd ा
SFX e ा  ्यां/AFbcd ा
SFX e ी  ्या/Aacd ी
SFX e ी  ्यां/AFbcd ी
SFX e ि  ्या/Aacd ि
SFX e ि  ्यां/AFbcd ि
SFX e े  ्या/Aacd े
SFX e े  ्यां/AFbcd े

SFX f Y 2
SFX f 0  ा/AFacd .
SFX f 0  ां/AFbcd .

_____

अडवणूक
अडवणुक/Fg
अडवणुका/h

SFX g Y 2
SFX g 0  ी/AFacd .
SFX g 0  ीं/AFbcd .

SFX h Y 1
SFX h 0  ं/AFbcd .

NEEDAFFIX F

शब्दांचे सामान्यरूप

शब्दांचे सामान्यरूप करताना हे हंस्पेल नियम वापरता येतील.

SFX e Y 8
SFX e ा  ्या/AFacd ा
SFX e ा  ्यां/AFbcd ा
SFX e ी  ्या/AFacd ी
SFX e ी  ्यां/AFbcd ी
SFX e ि  ्या/AFacd ि
SFX e ि  ्यां/AFbcd ि
SFX e े  ्या/AFacd े
SFX e े  ्यां/AFbcd े

आंधळा
अडाणी
अंडे

SFX j Y 2
SFX j ा  े/AFacd ा
SFX j ा  ां/AFbcd ा

अग्रपूजा
अचूकता

SFX f Y 2
SFX f 0  ा/AFacd .
SFX f 0  ां/AFbcd .

अजगर
अडसर

SFX g Y 2
SFX g 0  ी/AFacd .
SFX g 0  ीं/AFbcd .

अडचण

SFX h Y 1
SFX h 0  ं/AFbcd .

अतिथी

SFX i Y 1
SFX i 0  े/AFacd .

अखंडता

SFX k Y 1
SFX k 0  ा/AFacd .

अतिपरिचय

SFX l Y 1
SFX l 0  ां/AFbcd .

अणूबॉंब

सर्वसमावेशक की निवडक?

हंस्पेलमध्ये फक्त दोन रूलचे नेस्टिंग होऊ शकते. म्हणजे अंडे - अंड्या - अंड्याशिवाय इथपर्यंत गाडी जाऊ शकते. पुढे "अंड्याशिवायची" असा शब्द बनू शकत नाही. जर सर्व शब्द हवे असतील तर अंड्याच्या ४ नोंदी होतील.

अंडे/Z
अंड्या/Aacd
अंड्यां/Abcd
अंडी/Z

जर "अंड्याशिवाय" शब्दापर्यंत जाणारी गाडी चालणार असेल तर २ नोंदीत काम होईल. मी खात्री केली आहे की त्यापुढचे शब्द म्हणजे "अंड्याशिवायची", "अंड्याशिवायचा", "अंड्याशिवायचे" असे शब्द फार क्वचित वापरले जातात.

अंडे/Ze
अंडी/Z

नेटवरील रेसिपींमध्ये "अंड्याशिवायचा केक" असा उल्लेख दिसतो. ज्यांना खरोखरच अगदी सर्वसमावेशक डिक्शनरी हवी असेल त्यांनी वर दिलेल्या २ नोंदींबरोबर "अंड्या" आणि "अंड्यां" अशा दोन नोंदी वाढवाव्यात. मी मात्र थोडक्यात काम भागवणार आहे.

गंडलेला ऍटो करेक्ट

यातील ऍटो करेक्ट काही शब्दांच्या बाबतीत गंडलेला आहे. त्याची काही उदाहरणे.

दृष्टीकोन हा शब्द दीर्घ लिहीला तर तो ऱ्हस्व होतो आणि ऱ्हस्व लिहीला तर दीर्घ!

ओळखून - ओळ्खून

करते - कर्ते

परत - प्रत
पर - प्र

दृष्टिकोन - दृष्टीकोन

दृष्टीकोन - दृष्टिकोन
यातून - यातुन
यातुन - यातून 

दीर्घकाळ - दिर्घकाळ

दिर्घकाळ - दीर्घकाळ

हे शब्द सोर्स कोडमध्ये बदलावे लागतील.

हे शब्द शुद्ध लिहीले तर ऍटोकरेक्टने अधुद्ध होतात. हे सुधारले पाहिजे.

दृष्टीने

प्रतीकात्मक

हळूवारपणे

रूप

राहीले

शारिरीक

मुक्त स्रोत थिसॉरस

ओपन ऑफिस / लिबर ऑफिसमध्ये थिसॉरस वापरून शब्दांचे अर्थ पाहू शकतो तसेच समानार्थी किंवा विरुद्ध अर्थी शब्द मिळवू शकतो.

बहुधा हाच शब्दसंग्रह वापरून समानार्थी शब्द एका राईट क्लिकवर आणलेले दिसतात.

मराठीमध्ये हे शक्य आहे का? माझ्या माहितीप्रमाणे अशी सुविधा बनवायला बराच वेळ / श्रम लागत असल्यामुळे अजून तरी असा प्रयत्न झालेला नसावा. मोफत आणि मुक्त स्रोत लायसन्सखाली वितरित करता येऊ शकेल असा थिसॉरस बनणे अत्यंत आवश्यक आहे.

_____

The relevant entry from th_en_CA_v2.dat file
ploy|2
(noun)|gambit|remark (generic term)|comment (generic term)
(noun)|gambit|stratagem|maneuver (generic term)|manoeuvre (generic term)|tactical maneuver (generic term)|tactical manoeuvre (generic term)

The relevant entry from th_en_CA_v2.idx file
ploy|12626348

स्पेल चेक डिक्शनरीला आपले योगदान

फायरफॉक्स व ओपन ऑफिस दोन्ही मध्ये राईट क्लिक वापरून शब्द डिक्शनरी वाढविण्याची सोय आहे. अशा प्रकारे इतरांनी जमा केलेले शब्द जर मला मिळाले तर मी ते थेट डिक्शनरीत टाकून ही डिक्शनरी अधिक परिणामकारक व सर्वसमावेशक बनवू शकतो. त्यासाठी मला एक फाईल पाठवून द्या.

फायरफॉक्स:
आपण जर फायरफॉक्स वापरत असाल व राईट क्लिक वापरून बरेच शब्द साठवून ठेवले असतील. तर त्या शब्दांचा बॅकअप घ्या व ती फाईल मलाही पाठवा. त्यासाठी Help मेन्यु मधून Troubleshooting Information निवडा आणि मग "Profile folder - Open Folder" बटनावर क्लिक करा.

आता जो फोल्डर उघडेल त्यातील "persdict.dat" या फाईलला कुठेतरी म्हणजे "माय डॉक्युमेंट" वा तशाच एखाद्या ठिकाणी सेव्ह करा व ती फाईल मला इ-मेल करा.
_____

ओपन ऑफिस, लिबर ऑफिसः
यातही आपण राईट क्लिक करून मराठी शब्द साठवलेले असतील. तर मग रायटरच्या Tools - Options - LibreOffice - Paths मध्ये जाऊन अ‍ॅटो करेक्टचा पाथ पाहून ठेवा.

 किंवा start – run च्या डायलॉगबॉक्स मध्ये %APPDATA% असे टाईप करा व "ओके" द्या. आता आपण थेट अ‍ॅप्लिकेशन डाटा या फोल्डरमध्ये पोहोचू.

इथून पुढे \LibreOffice\4\user\wordbook अशा पायर्‍या पार केल्या की standard.txt फाईल दिसेल हीच फाईल मला पाठवा व तिचा बॅक-अप देखील घ्या.

थोडक्यात ओपन ऑफिस वापरत असाल तर standard.dic आणि फायरफॉक्स वापरत असाल तर persdict.dat या फाईलचा बॅकअप घेऊन ठेवा आणि ती फाईल मला पाठवा, या पत्त्यावर shantanu.oak@gmail.com

ओपन ऑफिसमधील टंकन साहाय्य (स्वयं सुधारणा)

मायक्रोसॉफ्ट वर्ड वापरणार्‍या ऑटो करेक्ट म्हणजे काय हे नव्याने सांगायला नको. त्यात adn असें टंकित केले की आपोआप and असे होते. अशीच सुविधा ओपन ओफ़िसमध्ये इंग्रजीसाठी देखील उपलब्ध आहे.
http://extensions.services.openoffice.org/project/EnglishAutocorrectList

मराठीसाठी स्वयंसुधारणा मनोगत वेबसाईटवर फार पूर्वीपासून उपलब्ध आहे. पण ती वापरण्यासाठी आधी इंटरनेट जोडणी हवी, मनोगतवर येण्याची नोंद करायला हवी आणि आपल्याला हवे ते शब्द आपोआप न सुधारणे अशा बर्याच त्रुटी त्यात आहेत. अर्थात ऒनलाईन व ओफ़लाईन यात तुलनाच होऊ शकत नाही. ओफलाईन टंकलेखन कधीही अधिक परिणामकारक ठरते. ओपन ओफिसच्या रायटरमध्ये टंकलेखनाला सहाय्यभूत ठरू शकतील अशा असंख्य बाबी आहेत.
मराठीत स्वयंसुधारणा (एटो करेक्ट) ही सुविधा मोफत व मुक्त स्रोत पद्धतीने वितरीत करायचा माझा प्रयत्न आहे. त्यासाठी चुकिचे शब्द व त्यासमोर योग्य शब्द अशी यादी मला हवी आहे. अशी यादी करायला मी सुरुवात केली आहे...

http://spreadsheets.google.com/ccc?key=rMJYRkasGPlEM3fyjA1gOxA

मनोगतावरील "हे शब्द असे लिहा (अं - अ)” या लेखात दिलेल्या शब्दांपासून सुरुवात केली आहे.

http://www.manogat.com/node/3176

आपल्याला वेळ होईल तसा यात अधिकाधिक शब्दांची भर घालावी अशी विनंती आहे.