Telugu బొమ్మలతో సామెతలు noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki
Analysis: బొమ్మలతో-సామెతలు
Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/బొమ్మలతో-సామెతలు
Date: 2026-08-09 22:24
Chunks: 5
Book Overview
Book: బొమ్మలతో-సామెతలు
Source: https://sundarayya.org/బొమ్మలతో-సామెతలు
Total OCR chunks analysed: 5
OCR Quality Summary
Average Telugu script coverage across all chunks: 49%
⚠ 2 chunk(s) have < 50% Telugu script coverage — may need re-scan.
Telugu Vocabulary — Top Keywords (YAKE)
Keywords extracted statistically — most distinctive terms per chunk.
- న్ా
- న్్
- లన్
- న్నా
- కాలా
- ల్సి
- జ్యా
- అన్న
- క్షే
- క్ష్
- గ్ా
- స్ట్
- టారు
- సక్
- ్ట్
- శానా
- క్కి
- ట్టి
- శ్రా
- అల్
- చానా
- సళ్ల
- యన్
- ఉక్
- క్షం
- స్నో
- ల్లో
- ట్రే
- శ్రీ
- ట్రై
Per-Chunk Details
Chunk 1 — బొమ్మలతో-సామెతలు_pages0001-0010.txt
OCR Score: 52% Telugu coverage
Characters: 116682
OCR Issues:
- ASCII junk on lines: [234, 242, 248, 257, 258]...
- Repeated punctuation clusters: 170 occurrences
Key Terms:
- న్ా
- న్్
- లన్
- న్నా
- కాలా
- ల్సి
- జ్యా
- అన్న
- క్షే
- క్ష్
- గ్ా
- స్ట్
- టారు
- సక్
- ్ట్
- శానా
- క్కి
- ట్టి
- శ్రా
- అల్
- చానా
- సళ్ల
- యన్
- ఉక్
- క్షం
- స్నో
- ల్లో
- ట్రే
- శ్రీ
- ట్రై
Extractive Summary:
య ॥ శ శ ల గ్ న ॥ శ్ జ న స క * , వ ళు మలి ॥ శ ౯౧ ఆ (| లా _ _్ 4 ॥ . ల నూ కనే న ఈ కా ర న య క హా న స వక గ న్ ఇ క క త న ఇ వ. క 1 జలే | | ॥ ళ్ ఆ య ఓ = వ్ మా అ ॥ శ త 1 లం టై ల సం న నటల చె న న య మానవా యం ఇ స = చ ణ్ చే , = ( ట్ట 4 / లీ 1 ॥ ( శ 4 వ లం = పై క [ న్ న?
Chunk 2 — బొమ్మలతో-సామెతలు_pages0011-0020.txt
OCR Score: 57% Telugu coverage
Characters: 18443
OCR Issues:
- ASCII junk on lines: [12, 49, 336, 338, 339]...
- Repeated punctuation clusters: 13 occurrences
Key Terms:
- న్ా
- ల్ో
- వానా
- ఒవ్
- న్ు
- పవన”
- నిలంమండననినినిలునాానా-
- “న్వలకుననన
- పవనపలమము
- లకకకునతనిలనాా--
- వాయు
- కాకా
- న్నా
- “ముం
- శాలి
- విలా
- ంిరు
- న్యు
- శా-ళి
- చల్
- ఆరవై
- వెదవ
- బడైచ
- జిన్”
- స్తీ
- వాలం
- శీటీత
- -క్శీ
- జకకానా
- జారే
Extractive Summary:
(| య | 1 ॥ వా | ॥/| ॥| - ల క _ ॥| నా ॥| & ॥ ౯ చ ఆ ఇ క్ (' క ఆ ళ్ 1 లీ జ జ కాలనీ తి త , 4 శ త్ ఓ వ ల న! (| , ౯ లా , మ ఇ్రాాకీ వ నా అ , _ శ వ నా , ల ఓ , = ల "ఛి “జ | 1 ము" 4" , (1 న క! ఒ ఈ డను నీ - అం నే శ ల వ శు ల్ , లం జ ర గ్ (| శ శ వను ల 4 ల ట్ - ం ల క్ న్ా = డా న్్ జ నా మ్ యం టి నకి, వ్ జు ఎ ంి ల జప మం ల ్ శ ॥ న వ _ వ / ఇ వ్ గాం న్న గ సై .
Chunk 3 — బొమ్మలతో-సామెతలు_pages0021-0030.txt
OCR Score: 41% Telugu coverage
Characters: 3438
OCR Issues:
- ASCII junk on lines: [75, 125, 128, 134, 148]
Key Terms:
- రాను
- అందితే
- కపోతే
- రాజు
- €త్రీ
- బలిసినా
- --ినతనినినోొ”నివనాడతినినినివినలనా
- చన్వపననినో
- లోతలపెట్టి
- శ్రీ
- పోట్లకి
- ఏడ్సిఏట్లు
- భానో
- న్ా
- ంంంం
- వాడె
- స్టే
- న్యా
- ష్ష్
- ఉననా
- “వానతో
Extractive Summary:
॥ ॥ ఉ ః| లం = ల _ ॥ _ _ _ / / ॥ ॥ - శ న వె 1 - ణ్ చ్ ॥ ఆ - ఎఇ ల (. ల శ ॥ క + - ఇ - ల ఎం 2 ఒం - = | - 11 - త 1 ం శ | ॥ (౧ _ ॥ ॥ . ॥ ॥ య న ల - ॥ , | = క _ - ఇ ఇ | కా ( / బా ఓ 1 లా - ల నా - / .
Chunk 4 — బొమ్మలతో-సామెతలు_pages0031-0040.txt
OCR Score: 39% Telugu coverage
Characters: 28204
OCR Issues:
- ASCII junk on lines: [65, 76, 90, 95, 97]...
- Repeated punctuation clusters: 20 occurrences
Key Terms:
- న్ా
- న్ని
- ల్ని
- ష్ష్
- లావై
- స్టే
- జళనా
- కోపం
- ఠొ్త్సా
- ాానననొోొనిమమాడినననానాణాా
- “న్వు
- ననాయయమా
- లలతకమంతననలనాలాం
- జాపి
- అస్వనణాం
- అతాననానోో
- ఆవపిిననకనో
- నడవని
- ఇ్గౌ
- అజర్
- ్ట్
- ఎజ్
- జుశ్వేలు
- ఇక్
- ట్రే
- వంగా
- -ఉళా
- _్ల్
- క్లళ్ళ
- ఇంకో
Extractive Summary:
మ ః జు , , ళ్ (| / య ఓ లం _ _ ॥ 1 / (111 ఆ ం ల ల ఇ / & న య , 111 , _ శ ఎ | = . ॥ 1 / " / | క్ష | గ్ ల శ న జ జీ ఖ్ ళ్ లా _ టీ " , | త ౯ ల క గ్ | | ౯ / 4 శ ళ్ ఆ ప గ /| బా ఆ , ై జు భ్ ల వ్ ప స అ న్ + క చ్ లి _ ఇ “ | _ య _ టీ ఇ క | య ల శ ( . , - ' | క న హ్ _ తు | ॥ లం _ న్ స ః శ | య న్ _ చ | వ్ 4 వ య ంం , క నా న] | ఎ - న్ న్ | ॥ శ [ _ | తు ల = _్ 1, కి ః = గా ' లా క ఓ చ్ ఆ?
Chunk 5 — బొమ్మలతో-సామెతలు_pages0041-0045.txt
OCR Score: 58% Telugu coverage
Characters: 18277
OCR Issues:
- ASCII junk on lines: [72, 73, 74, 85, 98]...
- Repeated punctuation clusters: 7 occurrences
Key Terms:
- న్ా
- న్్
- క్షే
- క్యా
- ళ్ళి
- శ్రీ
- స్టా
- న్నే
- మ్న్
- న్నా
- న్వ్
- క్కు
- క్షా
- క్షు
- చావా
- ళ్శి
- సల్ల
- రదలాను
- ఖ్”
- శ్”
- షాల్
- న్ో
- కనని
- వవననునునినానిన
- ననానిటీ
- రాలా
- లాలన
- న్ను
- ్త్
- య్”
Extractive Summary:
క ౯ ఆ “ - - స్టా మ అ ల లాలి _ చే - | _ _ ॥ ॥ స , 4 జ | క క క | , వ లా 2 శ న క్షి న నా! ॥ త ః / న ౨ ఆ్రాసార్టా ఇ క (౫ ల ఆ జ | బా ” ॥ య ఇ చ ్ గ ” ల అ ల - | క క ్ష శ్ న అంతే * కీ ఎంకో / ॥ " . _ (| (| ॥ | "మ ॥ ఎ ల + _ , క ల ఆ, _ య ఇ 1 _ క కే వ ప్ పోచ యం చంకను 4 న ॥ _ ॥ వ.