hunspell लेबल असलेली पोस्ट दाखवित आहे. सर्व पोस्ट्‍स दर्शवा
hunspell लेबल असलेली पोस्ट दाखवित आहे. सर्व पोस्ट्‍स दर्शवा

२६ ऑक्टोबर, २०२५

affix file modifications

दाखविणेत, देणेत, करणेत अशी क्रियापदांची रूपे आपण बोली भाषेत वापरत नसलो तरी लिखाणात आणि विशेषतः कायदेशीर लिखापढीत फार पूर्वीपासून वापरत वापरली जात आहेत. म्हणून ती स्पेलचेकच्या डेटाबेसमध्ये घ्यावी लागतील. त्यासाठी खाली दिलेल्या तीन सुधारणा अफिक्स फाईलमध्ये केल्या आहेत.

SFX M Y 44
SFX M णे विणे णे

Changed to:
SFX M Y 45
SFX M णे विणे णे
SFX M णे विणेत णे

SFX R Y 76
SFX R णे ाविणे/P णे

changed to:
SFX R Y 77
SFX R णे ाविणे/P णे
SFX R णे ाविणेत णे

SFX N Y 1
SFX N णे 0 णे

changed to:
SFX N Y 2
SFX N णे 0 णे
SFX N 0 त णे

१८ फेब्रुवारी, २०२५

हंस्पेलचा फायदा

हंस्पेलचा मला व्यक्तिशः काय फायदा झाला याचा मी विचार करतो तेव्हा मला एक गोष्ट प्रकर्षाने जाणवते ती म्हणजे भाषेकडे पाहण्याची एक विशाल दृष्टी मला या प्रोजेक्टने दिली.  इंग्रजीत ज्याला  "birds eye view" म्हणतात अशी दृष्टी. म्हणजे बघा, तुम्ही जेव्हा विमानातून जमिनीकडे पाहता तेव्हा तुम्हाला शेकडो किलोमीटर परिसर एकाच नजरेत दिसतो.  गाव/ तालुका  वेगळे ओळखू येत नाहीत. जमिनीच्या हद्दीवरून होणारी भांडणे विमानातून पाहताना क्षुद्र वाटू लागतात.  आता असा विचार करा की तुमचे विमान आकाश ओलांडून अंतराळात गेले आहे. तिथून तर संपूर्ण पृथ्वी पाहता येते की नाही?  ह्या प्रोजेक्टने जवळपास संपूर्ण जगातील भाषा कवेत घेतल्या आहेत,  त्यातील आंतर-संबंध उलगडून दाखविले आहेत आणि त्यातील साम्यस्थळे अधोरेखित केली आहेत.  भाषेच्या अभ्यासकांना हंस्पेल हा विषय निदान २ मार्कांसाठी तरी ठेवला गेला पाहिजे असे मला वाटते. त्यातून भाषेकडे पाहण्याची एक वेगळी आणि विशाल दृष्टी मिळेल. तिचा आपल्याला इतर ठिकाणी देखील फायदा होईल. मी हिंदी भाषेतील स्पेल चेक बनविला, त्यावरून मायबोलीवरील एका सदस्याने टीकेचा अक्षरशः भडिमार केला तो येथे वाचता येईल.

https://www.maayboli.com/node/67422?page=4

वास्तविक हिंदी आणि मराठी एकाच भाषेपासून बनलेल्या असल्यामुळे त्यांचा एकमेकांवर प्रभाव पडत गेला आहे. एकमेकांना न संपवता सहजीवन जगता येणे वाटते तितके कठीण अजिबात नाही हे मी हंस्पेलच्या अभ्यासातून शिकलो.  भाषेचा भूतकाळ आणि त्याची वर्तमानाकडे झालेली वाटचाल याचा अभ्यास करणार्‍यांसाठी हा प्रोजेक्ट म्हणजे एक चांगले साधन आहे.

एखाद्याला कदाचित अतिशयोक्ती वाटेल पण पाणिनीच्या अष्टाध्यायी या ग्रंथानंतर भाषेला सूत्ररूपात मांडण्याचा हंस्पेल हा एक महत्त्वाचा प्रयोग आहे.  हंस्पेलच्या फॉरमॅटमध्ये कोणतीही भाषा बसविताना शब्दांचा ल. सा. वि. काढावा लागतो आणि त्याला टॅग जोडावा लागतो. पाणिनीने देखील अशाच प्रकारे संस्कृत भाषेची बांधणी केली त्यामुळे तिचा विस्कळीतपणा जाऊन त्याला बांधेसूदपणा आला. संस्कृतच्या अभ्यासकांचे पाणिनी शिवाय पान देखील हलत नाही तसे काहीसे हंस्पेलच्या बाबतीत भविष्यात होऊ शकते. हंस्पेलच्या फॉरमॅटमधील पर्शियन (फारसी) भाषेची अफिक्स फाईल पाहिली तर आपल्या लक्षात येते की त्या भाषेची रचना देखील इतर इंडो-युरोपीयन भाषांसारखीच आहे. खाली दिलेल्या दुव्यावर सर्व भाषा पाहता येतील.  पहिली दोन अक्षरे भाषा दर्शवितात तर नंतरची दोन अक्षरे देश. (उदा. mr_IN म्हणजे मराठी_इंडिया)

https://github.com/LibreOffice/dictionaries/

उजवीकडून डावीकडे लिहिल्यामुळे पर्शियन लिपी दुर्बोध झाली तरी भाषेचा डी. एन. ए.  इतर भाषांशी मिळता-जुळता आहे.  फक्त अफिक्स फाईल पाहून आपण काही निष्कर्ष काढू शकतो. उदा. संस्कृतमध्ये कोणतेही दोन शब्द एकमेकांना जोडून संधी शब्द बनविता येतो. तसे जगातील इतर कोणत्या भाषेत शक्य आहे? या प्रश्नाचे उत्तर ह्या साध्या कमांडने देता येईल. 

# find . -name "*.aff" -exec grep -i -l "^compoundbegin" {} \;

डॅनिश (डेन्मार्क), जर्मन, क्रोएशियन, हंगेरियन, नॉर्वेजियन, कोरियन, स्विडिश, फारसी, डच, इस्टोनियन अशा ८ ते १० भाषा संस्कृत  सारखी संधी करू शकतात. कारण  "कंपाऊंड-बिगिन" हा टॅग जर त्या भाषेच्या अफिक्स फाईलमध्ये असेल तर त्याचा अर्थ ती भाषा शब्दाची संधी करू देते असा होतो.


१५ नोव्हेंबर, २०२४

तथाकथित वैयाकरणी शंतनू ओक यांची मुलाखत

माझी मुलाखत घ्यायला कोणी येईल अशी काडीचीही शक्यता नसल्यामुळे मीच मला काही प्रश्न विचारले आणि त्यांची उत्तरे देखील मीच दिली. तथाकथित म्हणजे "so called" आणि वैयाकरणी म्हणजे व्याकरणाचे अभ्यासक.

प्रश्नः मराठीच्या भविष्याबद्दल तुम्हाला काय वाटते?

उत्तरः इतिहासाचार्य वि. का. राजवाडे यांनी सुमारे १०० वर्षांपूर्वी "मराठी भाषा मुमुर्षू आहे काय?" या शीर्षकाचा लेख लिहिला. त्याचा अर्थ  "मराठी भाषा मरायला टेकली आहे काय?" असा होतो. आपल्या विधानाच्या पुष्ट्यर्थ त्यांनी सुशिक्षित मराठी माणसांचे शिक्षण, पत्रव्यवहार, ग्रंथलेखन इ. गोष्टी इंग्रजी भाषेतच चालतात, हे सांगून पुढच्या काळात मराठी भाषा केवळ घरगुती वापरापुरती मर्यादित राहील अशी शंका प्रदर्शित केली. ही शंका आज काही प्रमाणात खरी ठरली असली तरी नवीन युगाची आव्हाने पेलून मराठी रडतखडत का होईना अद्यापही जिवंत आहे.  हिंदी किंवा इंग्रजीने तिची जागा अजून घेतलेली नाही. याचे महत्त्वाचे कारण मराठी (आणि एकूणच सर्व भारतीय भाषा) अत्यंत लवचीक आहेत.  प्रथम संस्कृत मग उर्दू, फारशी, अरबी त्यानंतर इंग्रजी, पोर्तुगीज अशा अनेक भाषांतील शब्द मराठीत जसेच्या तसे किंवा थोडेफार बदल करून रूढ झाले आहेत.  दुसरी गोष्ट नुसती भाषाच नव्हे तर देवनागरी लिपी देखील खूप लवचीक आहे. अ‍ॅ आणि ऑ हे दोन स्वर तुम्हाला तुमच्या लहानपणी वर्णमालेत शिकवले होते का? तर नव्हते! मग तुम्हाला "अ‍ॅक्शन" आणि "ऑस्कर" सारखे इंग्रजी शब्द लिहिताना / वाचताना कधी त्रास झाला का? नाही झाला. इंग्रजी शब्द लिहिण्यासाठी दोन अ‍ॅडिशनल स्वरांची गरज पडली तशी ती कोणताही शासकीय अध्यादेश न निघता पूर्ण झाली. हे प्रागतिकतेचे लक्षण आहे मुमुर्षत्वाचे नव्हे. माझ्या मते मराठीला इतक्यात काही धोका नाही. पण तिचे भविष्य उज्ज्वल आहे असे मात्र मला वाटत नाही.


प्रश्न : असे का?

उत्तरः कारण "अनास्था". फक्त शुद्धलेखनच नव्हे तर सर्वच बाबतीत मराठी माणूसच मराठीला कमी लेखतो. मराठीत नवीन लिखाण फारसे होत नाही.  वर्षाला ३ ते ४ हजार पुस्तके प्रसिद्ध होतात आणि सुमारे चारशे दिवाळी अंक वाचकांची भूक भागवतात. ही आकडेवारी खरी आहे पण फसवी आहे. बहुतेक पुस्तके सरकारी अनुदानातून वाचनालये खरेदी करतात आणि कपाटात ठेवतात. मग वाळवी लागून ती पुस्तके नष्ट होतात. एक छापील पुस्तक पूर्णपणे नष्ट होते तेव्हा इतिहासाशी बांधला गेलेला एक धागा कायमचा तुटून जातो. एक जुने झाड तुटते, एक वृद्ध माणूस मरतो तसे पुस्तक नष्ट होणे ही शोकाची गोष्ट आहे असे कुणाला वाटत नाही. जुने पुस्तक महत्त्वाचे आहे कारण त्या काळी इतका खर्च करून जर ते छापले गेले असेल तर त्यात काहीतरी जतन करण्यासारखे आहे असे तेव्हा कोणाला तरी नक्कीच वाटले असेल ना? एक ऐतिहासिक दस्तावेज म्हणून तरी त्याचे जतन होईल की नाही? की फक्त चूल पेटवण्यासाठी लागणारे इंधन म्हणून त्याचा वापर करायचा? टोकाचा "उपयुक्तता वाद" हा जीवन जगण्याचा मंत्र होऊ शकत नाही. तुम्हाला कदाचित पुस्तकांचे महत्त्व वाटत नसेल पण पुढच्या पिढ्यांना त्याचा उपयोग होऊ शकतो ही तरी शक्यता विचारात घेतली पाहीजे. 

जपानी विचारवंत मेरी कोंडो हिने "कोनमारी" नावाचा विचार मांडला आहे.  त्यात ती म्हणते तुमच्या घरातील सगळी अडगळ एकत्र करा आणि प्रत्येक गोष्ट हातात घेऊन त्यामुळे आनंदाचे तुषार  ("spark joy") उडतात का ते पहा नाहीतर ती गोष्ट फेकून द्या. जुनी पुस्तके या निकषात बसणे कठीण आहे. पण फेकून देण्यापूर्वी ती पुस्तके स्कॅन करून गूगल ड्राईव किंवा विकिसोर्सवर अपलोड करता येऊ शकतात. त्यासाठी फार कमी खर्च येतो, पण थोडा वेळ मात्र द्यावा लागतो. ती पुस्तके तुमच्या घरात आली तेव्हा त्यांनी तुम्हाला काही आनंद दिला होता त्याची ही परतफेड समजा. मी नाही वाचवले तरी इतर कोणीतरी वाचवेल असे जर सगळेच म्हणू लागले तर शंकराचा गाभारा दुधाऐवजी पाण्याने भरला गेला तशी गत होईल. सगळे असाच विचार करतील आणि ते पुस्तक दुर्मीळ होईल. कित्येक पुस्तकांची फक्त नावे माहीत आहेत ते पुस्तक वाचण्यासाठी एकही प्रत शिल्लक नाही. कित्येकांची तर नावेही मागे राहिलेली नाहीत.

 

प्रश्नः ते सरकारचे काम नाही का?

उत्तरः सरकारने काय काय आणि का करायचे? मराठी भाषा आपली मातृभाषा आहे असे ज्यांना वाटते त्यांची ही जबाबदारी आहे. सरकारची नाही.


प्रश्नः इंग्रजीसारखा चालणारा मराठी स्पेल चेकर तुम्ही बनविला आहे असे ऐकले आहे. त्याबद्दल काही सांगा.

उत्तरः त्यासाठी गूगल सर्च ही सुविधा आहे. त्यात सर्व माहिती मिळेल.


प्रश्नः ठीक आहे. पण त्यात काही अडचणी आल्या का? त्या कशा सोडविल्या त्याबद्दल ?

उत्तरः 

इंग्रजीत एका शब्दापासून फार फार तर ३ किंवा ४ शब्द बनतात. उदाहरणार्थ work या क्रियापदापासून  worked, working, works असे शब्द बनतात. पण बहुतेक सर्व भारतीय भाषा संस्कृतपासून बनलेल्या असल्यामुळे त्यात एका  शब्दापासून हजारो शब्द बनू शकतात. उदाहरणार्थ "बसणे" या क्रियापदापासून सुमारे ७,५०० शब्द बनवता येतात. त्यामुळे स्पेल चेक बनविताना हे सर्व शब्द शुद्ध म्हणून दाखवावे लागतात इतकेच नव्हे तर चुकलेल्या शब्दाला देखील यातील सर्वात जवळचा शब्द द्यावा लागतो. नेमके सांगायचे तर इंग्रजीत २ लाख शब्दांमधून योग्य शब्द निवडावा लागतो तर मराठीत २ कोटी शब्दांमधून सर्वात जवळचा शब्द शोधायचा असतो. संस्कृतमध्ये कोणत्याही शब्दाची संधी इतर कोणत्याही शब्दाशी करता येत असल्यामुळे त्यातील अफाट शब्दसंख्या मोजण्याचा प्रयत्न अद्याप कोणी केलेला नाही. माझ्या अंदाजानुसार मराठी जर इंग्रजीच्या १०० पट अधिक मोठी असेल तर संस्कृत मराठीच्या १०० पट अधिक म्हणजे सुमारे २०० कोटी इतके शब्द बनविण्याची क्षमता घेऊन असली पाहीजे. अर्थात जास्त शब्द म्हणजे श्रेष्ठ भाषा असे काही समीकरण नसते हे दिसतच आहे. कारण फक्त २ लाख शब्दांची इंग्रजी आज जागतिक भाषा आहे तर २०० कोटी शब्दांची संस्कृत कुणाच्या खिसगणतीतही नाही. ह्याच कारणामुळे मराठीतील स्पेल चांगला चालत असला तरी मी बनविलेला संस्कृत स्पेल चेक विश्वासार्ह नाही.


प्रश्नः हंस्पेल हा काय प्रकार आहे?

उत्तरः हंगेरियन भाषेतील स्पेलचेक बनविण्यासाठी लिहिलेला प्रोग्राम म्हणजे हंस्पेल. "हं" म्हणजे हंगेरियन. युरोपातील कोणत्यातरी कोपर्‍यातील भाषेसाठी बनविलेले सॉफ्टवेअर जसेच्या तसे मराठीसाठी वापरता येते. इंडो - युरोपियन कुळातील सर्व भाषा एकाच भाषेपासून निर्माण झालेल्या आहेत आणि त्यांच्यात घनिष्ठ संबंध आहे हे सिद्ध करण्यासाठी माझ्या मते हे एकच उदाहरण पुरेसे आहे.


प्रश्नः  प्रकल्पाचा खर्च कोण करतो? देणगी वगैरे मिळते का?

उत्तरः कोणी मराठी माणूस अशा प्रकल्पासाठी देणगी देत असेल अशी शक्यता व्यक्त केलीत यातच सर्व काही आले. पैसे जाऊ द्या, या प्रकल्पाबद्दल दोन चांगल्या ओळी लिहा अशी विनंती केली तर एका मोठ्या नामवंत संपादकांनी नम्रपणे नाही म्हणून सांगितले. सल्ला / मार्गदर्शन मात्र वेळोवेळी मिळत गेले. त्यात ओंकार जोशी यांचे नाव घेता येईल. त्या व्यतिरिक्त उपक्रम, मनोगत, मायबोली वरील जाहीर चर्चा तर कोणालाही वाचता येतीलच.


प्रश्नः मग हे सर्व करण्यामागचा उद्देश?

उत्तरः आवड म्हणून. किंवा छंद म्हणा हवे तर.  गिर्यारोहण, तीर्थयात्रा, युरोप टूर, अमेरिका वारी अशी काही स्वप्ने असतात काहींची. तसे हे माझे स्वप्न.


०७ ऑगस्ट, २०२४

मराठी स्पेलचेक अ‍ॅप

 मराठी स्पेलचेक अ‍ॅपची नवीन आवृत्ती गुगल प्ले स्टोअरवर उपलब्ध आहे.

https://play.google.com/store/apps/details?id=com.myapp.marathispellcheckandsanskritsandhi&hl=en

काही मराठी शब्दांची भर घातली आहे.  कॉपी-पेस्ट केलेला कोणताही मजकूर आता अगदी १०० टक्के नाही तरी निदान ९५ टक्के अचूक तपासला जात आहे. संस्कृत पानावर संधी आणि विग्रह अशा दोन्ही सोयी उपलब्ध आहेत. म्हणजे तुम्ही जर "कर्मण्येवाधिकारस्ते" असे टाईप केले तर "कर्मणि एव अधिकारः ते" अशी फोड करून मिळेल. तसेच दोन किंवा अधिक शब्द टाईप केले तर त्यांची संधी करून मिळेल. उदा.  "गणेश उत्सव" असे टाईप केले तर "गणेशोत्सव" असे उत्तर मिळेल. 

ज्यांना सिक्युरिटीच्या कारणाने किंवा अ‍ॅपची गर्दी होऊ नये म्हणून हे अ‍ॅप इन्स्टॉल करायचे नसेल त्यांच्यासाठी टेलिग्राम बॉट उपलब्ध आहे. 

Sanskrit One Bot

https://t.me/SanskritOneBot

Marathi spell bot

https://t.me/Marathispellbot

आयफोन वापरणारे देखील टेलिग्राम साठी बनविलेल्या दोन्ही बॉटचा उपयोग करू शकतात.

_____

फायरफॉक्ससाठी बनविलेले अ‍ॅड ऑन फार पूर्वीपासून येथे उपलब्ध आहे.

https://addons.mozilla.org/en-US/firefox/addon/marathi-dictionary/

लिब्रे ऑफिससाठी बनविलेले अ‍ॅड ऑन येथून मिळवता येईल.

https://extensions.libreoffice.org/en/extensions/show/marathi-spellchecker

त्यात सिनॉनिम (समानार्थी शब्द) आणि अ‍ॅटोकरेक्ट अशा अधिकच्या सोयी मिळतील. त्याच पानावरून पुढे लिब्रे ऑफिससाठी बनविलेल्या इतर सुविधा पाहता येतील. उदाहरणार्थ स्पेल चेक प्लस हा मॅक्रो वापरून फक्त चुकीचे शब्द निवडून वेगळे काढता येतील.

१७ जुलै, २०२४

डिक्शनरीतील इंग्रजी शब्द

डिक्शनरीतील इंग्रजी शब्दांच्या लिखाणातील अनुस्वार (काही ठिकाणी) परसवर्ण पद्धतीने लिहिला आहे. उदा.


बाँड बॉण्ड
क्रॉंक्रीट कॉन्क्रीट
काँस्टेबल कॉन्स्टेबल
काँट्रिब्युशन कॉन्ट्रिब्युशन
फाँट फॉण्ट
लाँच लॉन्च

स्टँप स्टॅम्प
कँप कॅम्प
कँसर कॅन्सर
हँडसेट हॅण्डसेट

कंस्ट्रक्शन कन्स्ट्रक्शन
प्रिंसिपल प्रिन्सिपल
रेसिडेंट रेसिडेन्ट

१७ मे, २०२४

वृद्धी नियम

 इक (िक) अथवा ई (ी)  प्रत्यय जोडल्यावर शब्दाचे पहिले अक्षर दीर्घ बनते.


स्वर दीर्घ बनतो. उदा. इच्छा > ऐच्छिक
अ आ
इ  ऐ
ई   ऐ
उ   औ
ऊ  औ
ए ऐ
ओ औ

व्यंजनाला लागलेला स्वर देखील दीर्घ बनतो. उदा. देव > दैविक धर्म > धार्मिक
x ा
ि   ै
ी ै
ु  ौ
ू ौ
े ै
ो ौ

स्वर आधीच दीर्घ असेल तर काहीच बदल होत नाही. उदा. मास > मासिक
आ आ
ऐ ऐ
औ औ
ा ा
ै ै
ौ ौ 

_____

import re

pattern = re.compile(r"(.्)?.[ािीुूृेैोौं]?[ं]?")
pattern.match('व्यैक्ती').group(0)

# return 'व्यै'

Using regex in hunspell affix file

The regular expression is used very nicely in this example.

SFX j a âed tha
SFX j a âed cha
SFX j a aed [^tc]ha

https://github.com/fin-w/LibreOffice-Geiriadur-Cymraeg-Welsh-Dictionary/blob/main/dictionaries/cy_GB.aff