जोडाक्षरांची आडवी / उभी मांडणी

मराठी विकिपीडियाने काही जोडाक्षरांच्या बाबतीत आडवी मांडणी स्वीकारलेली दिसत आहे. उदा...

आडवी मांडणी । उभी मांडणी

रत्‍नागिरी । रत्नागिरी

मुक्‍त । मुक्त

आश्‍वासन । आश्वासन

लोकसत्तासारखी वृत्तपत्रेदेखील हे शब्द आडव्या मांडणीत दाखवतात. याचा अर्थ वाचकांची सोय ही जास्त महत्त्वाची असून संगणक लॉजिक किंवा नियम सरसकट राबवता येत नाहीत. पण तसे असेल तर अश्‍वारोहण हा शब्द उभ्या मांडणीत अश्वारोहण असा का लिहिला जातो? म्हणजे मराठी शब्द आडव्या मांडणीत तर संस्कृत शब्द उभ्या मांडणीत दाखवावेत असा काही संकेत आहे का? कारण माझ्यामते अश्वत्थामा बरोबर असून सहसा अश्‍वत्थामा असे लिहिले जात नाही. आडव्या मांडणीसाठी नॉन जॉइनर वापरावा लागतो. त्याची चर्चा मी याच धाग्यात (१ एप्रिल २०२१) केली आहे. एकच शब्द दोन पद्धतीने लिहिता येत असेल तर त्यातील एकच पद्धत स्पेलचेकमध्ये स्वीकारायची असे धोरण आहे. पण या बाबतीत अपवाद करून हे सहाही शब्द डेटाबेसमध्ये जमा करत आहे. अजून काही शब्द सुचविले गेले तर ते देखील स्वीकारता येतील.

विकी म्हणजे काय?

विकी नक्की काय आहे या विषयी बऱ्याच लोकांचा गैरसमज झालेला दिसतो. उदाहरण द्यायचे झाले तर मराठी विकीवरील सदस्य_चर्चा:ज हे पान पाहू शकता. हे सदस्य अत्यंत अनुभवी असून त्यांनी एका लेखातील काही विशिष्ट वर्ग काढून टाकले. संदेश हिवाळे यांनी स्पष्टीकरण मागितले की "या लेखातून तुम्ही कोणतेही स्पष्टीकरण न देता "वर्ग:दलित लेखक, वर्ग:दलित कार्यकर्ते, वर्ग:भारतीय बौद्ध, वर्ग:आंबेडकरवादी" हे चार वर्ग हटवले;  हे चारही वर्ग मराठी विकिपीडिया खेरीज इंग्लिश विकिपीडियासह अनेक विकिपीडियांमध्येही उपलब्ध आहेत." त्यावर यांनी सांगितले की... "विकीवरच काय पण इतरत्र कुठेही कुठलाही जातवादी उल्लेख असू नये या मताचा मी आहे. तसे उल्लेख करत राहिलो तर जातिअंताच्या चळवळीचे काय भविष्य असेल?" विकिपीडिया हे जातिअंताच्या चळवळीचे साधन आहे असे यांना कुणी सांगितले?

मराठी विकीवर मुखपृष्ठावर रामदास स्वामींनी केलेला उपदेश विकीचे अधिकृत धोरण असल्यासारखे वापरले आहे. “आपणांसी जे जे ठावे, ते इतरांसी सांगावे; शहाणे करोनी सोडावे, सकलजन.” यातील पहिला अर्धा भाग विकीला चपखल लागू पडतो. पण नंतरचा अर्धा भाग विकीच्या तत्त्वात अजिबात बसत नाही.  “शहाणे करोनी सोडावे” यात जो जबरदस्तीचा भाग आहे तो विकीला कधीच मान्य नव्हता. विकिपीडिया आपल्यासमोर फक्त काही माहिती ठेवते त्याच्या सत्यासत्यतेविषयी किंवा निष्पक्षतेविषयी कसलीही जबाबदारी घेत नाही.  आई जसे औषध घेतल्याशिवाय मुलाला सोडत नाही तसे काही विकी करत नाही. 

काही विचारवंत शासनावर दबाव आणण्यासाठी विकीचा वापर करावा असे लेख लिहून जाहीरपणे सांगतात. उद्या नक्षलवादी कार्यकर्तेदेखील विकीचा वापर आपल्या संघटनेच्या प्रचारासाठी करतील, काय सांगावे?

गाळलेल्या जागा भरा!

काही वेळा जुन्या पुस्तकातील दोन – चार शब्द पुसले गेलेले असतात. अशी पुस्तके स्कॅन केल्यावर असे शब्द काय असतील हे शोधणे कठीण होऊन बसते. 

https://mr.wikisource.org/wiki/%E0%A4%AA%E0%A4%BE%E0%A4%A8:Arth_shastrachi_multatve_cropped.pdf/81

दोन शब्दांमधील गाळलेले शब्द शोधून काढण्यासाठी ही क्वेरी वापरता येते.

# /root/.cargo/bin/rg  -No "(दरवर्षी (\w+ ){3}पेठ)" mr_dedup.txt

याचा अर्थ दरवर्षी या शब्दानंतर पुसले गेलेले ३ शब्द शोधायचे आहेत. पण त्यानंतर येणारा शब्द हा "पेठ” असा असला पाहिजे. या निकषात बसणाऱ्या दोन ओळी मिळाल्या...

संस्थेतर्फे दरवर्षी भरवली जाणारी ग्राहक पेठ यावर्षी शुक्रवार दि. १९ ऑक्टोबर २०१८ ते रविवार दि. २८ ऑक्टोबर २०१८ या कालावधीत संपन्न होत आहे...

वृद्ध आबासाहेबांनाही या मुलाच्या विलक्षण बुद्धिमत्तेबद्दल कौतुक होतं. दरवर्षी त्यांचा टांगा नारायण पेठेतल्या त्या जिन्याखालच्या खोलीसमोर थांबे - ज्ञानाची उपासना करणार्‍या या मुलाला गणेशोत्सवाच्या जेवणाचं समक्ष आमंत्रण करण्यासाठी.

"भरवली जाणारी ग्राहक" किंवा "त्यांचा टांगा नारायण" असे दोन पर्याय  मिळतात त्यातील. योग्य पर्याय संदर्भाने निवडता येतो. 

यासाठी ऑस्कर नावाचा पब्लिक डेटा वापरला आहे. 

https://oscar-public.huma-num.fr/shuff-dedup/mr/

आणि ग्रेप क्वेरी न वापरता रिपग्रेप कमांड वापरली कारण त्यात युनिकोड सपोर्ट आहे. रस्ट ही एक पायथॉन सारखी  प्रोग्रॅमिंग लँग्वेज असून ती देखील यासाठी आवश्यक आहे.

काय फरक पडतो?

 मराठी विकीवरील संदेशः

ज्ञानसंप्पन आणि माहितीसमृद्ध समाज घडवण्यासाठी वाचन संस्कृतीचा विकास व प्रसार आवश्यक आहे. वाचन संस्कृतीचा विकास व प्रसार होण्याचे उद्देशाने भारत रत्न डॉ. ए. पी. जे. अब्दुल कलाम ह्याचा जन्मदिवस हा महाराष्ट्र सरकार २०१५ पासून वाचन प्रेरणा दिन म्हणून साजरा करतो. मराठी भाषा विभाग मंत्रालयाच्या आव्हाना प्रमाणे मराठी विकिपीडिया २०१५ पासून १५ ऑक्टोबरला जोडून दरवर्षी वाचन प्रेरणा सप्ताहाचे आयोजन करीत असतो.

१) "ज्ञानसंप्पन" हा शब्द "ज्ञानसंपन्न" असा हवा होता.

२) "प्रसार होण्याचे उद्देशाने" असे न म्हणता आपण "प्रसार होण्याच्या उद्देशाने" असे म्हणतो.

३) "सरकार साजरा करतो" असे न म्हणता आपण "सरकार साजरा करते" असे म्हणतो.

४) "मंत्रालयाच्या आव्हाना प्रमाणे" मंत्रालय सर्वांना उठसुठ आव्हान देत असले तरी इथे मात्र तो शब्द "आवाहनाप्रमाणे" असा वाचावा.

५) "आव्हाना प्रमाणे", "भारत रत्न" असे शब्द हिंदीप्रमाणे तोडून नव्हे तर जोडून लिहिण्याची प्रथा आहे. ती त्रासदायक वाटत असेल आणि सुटे सुटे शब्द वाचायला सोपे वाटत असतील तर मी तसेही वाचण्याची सवय लावून घेईन. 

६) "अब्दुल कलाम ह्याचा" असे न म्हणता "अब्दुल कलाम ह्यांचा" असे आपण आदरार्थी बहुवचन वापरतो. 

संदेश देण्याघेण्याकरता भाषा हे एक माध्यम आहे आणि माध्यमाने म्हणजेच साधनाने साध्य होण्याचा प्रयत्न करू नये हे ठीक. पण वाचन संस्कृतीचा विकास व प्रसार व्हावा असे खरोखरच वाटत असेल तर भाषेचे प्रमाणीकरण करावे लागेल. तीन-चार वाक्ये समजून घेऊन वाचता येतील. अशी आणखी किती वाक्ये फेरफार करीत वाचणार?

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!