Telugu Andrulu samskruthi Charitra noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki
Analysis: Andrulu-samskruthi-Charitra
Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/amdharaula-samsakartai-caraitara
Date: 2026-08-05 10:59
Chunks: 6
Book Overview
Book: Andrulu-samskruthi-Charitra
Source: https://sundarayya.org/amdharaula-samsakartai-caraitara
Total OCR chunks analysed: 6
OCR Quality Summary
Average Telugu script coverage across all chunks: 87%
Telugu Vocabulary — Top Keywords (YAKE)
Keywords extracted statistically — most distinctive terms per chunk.
- వాలి
- గ్రా
- 1గ్ర్‌
- కల్లు
- వానో
- ౮1౮0౧8
- 119084౧845
- గన్‌
- తకిట
- రం40
- 1ట066
- ౨2౧టులా
- ౮1172
- శీగోశ1
- తేంంలీి
- 22ైర5్‌
- ంంద్‌
- రాళ్ల
- సలుత
- టెక్‌
- చలచి
- లనెటి
- సనంంచింవటం
- హీజావి
- ఉరపుటు
- “వాం
- సంసాాన
- నంగా
- వలరిన్తంనాల
- పాసి
Per-Chunk Details
Chunk 1 — Andrulu-samskruthi-Charitra_pages0001-0010.txt
OCR Score: 88% Telugu coverage
Characters: 6415
OCR Issues:
- ASCII junk on lines: [15, 18, 21, 22, 35]
Key Terms:
- వాలి
- గ్రా
- 1గ్ర్‌
- కల్లు
- వానో
- ౮1౮0౧8
- 119084౧845
- గన్‌
- తకిట
- రం40
- 1ట066
- ౨2౧టులా
- ౮1172
- శీగోశ1
- తేంంలీి
- 22ైర5్‌
- ంంద్‌
- రాళ్ల
- సలుత
- టెక్‌
- చలచి
- లనెటి
- సనంంచింవటం
- హీజావి
- ఉరపుటు
- “వాం
- సంసాాన
- నంగా
- వలరిన్తంనాల
- పాసి
Extractive Summary:
య య ది న న అల జు షా తల సాచచావాంు చ పట చ లై ను బ సాఎనావం అన్‌ క ా నుదు పటి నపంటుూడు (లగా వ సావరడి గా పరారై మం ంవిడ ఆ వ్‌ అ ల? ఉం లు ఆ పప న చం గ ౯౨ ఉఊచన లి మూసాలన లి అ జీ ౫ (| లాండు రికలు, టెహెంరు సూటి ౧వ మరం బాగా లు లీ వ లం క య వ. అన్న వ మం ఇటో ణీ [ ల నా భ్‌ న్న 9 న.
Chunk 2 — Andrulu-samskruthi-Charitra_pages0011-0020.txt
OCR Score: 88% Telugu coverage
Characters: 11030
OCR Issues:
- ASCII junk on lines: [34, 364, 372, 376, 387]...
- Repeated punctuation clusters: 6 occurrences
Key Terms:
- హిందూ
- తూరు
- చారు
- క్రి
- టంతో
- కాలంలో
- రాజుల
- కూడా
- కొత్త
- నారు
- కూడుకొన్న
- నాయకులు
- లాక్‌
- సంఘం
- చివరకు
- నాలు
- చాంటంద
- సంపసవెయి
- మపహోయాసన
- సంవన్వును
- అంబా
- అభాకిం
- సాగానముడు
- వరిలనాదుు
- సాపాయబి
- పహాంలు
- స్రైన
- ఒన్‌
- తెమయిుి
- ద్దా
Extractive Summary:
న పం డె టఉలు -ములి గ్రా" అన, జెజటౌెల | ణు ణ్‌ అగ స ర లాటి వ రి యి ప్‌ వేదం 6న సం ల శ అ శ యం టం ఎ | ల ల నూ. ౮ ఆ ( - - ము న వ ట్రన లం న న సెయుప చిన్‌ | వాయు-దిన మ లర ఉం లం + రు వీ శ న (క . ల ॥ దికతో ఆం,ధులలో అలఎకి, అశెంన్‌ అథి మెప*యి ; ఆంధ వ్ల వ ళాల న 2 అం ఆవి స న.
Chunk 3 — Andrulu-samskruthi-Charitra_pages0021-0030.txt
OCR Score: 88% Telugu coverage
Characters: 9420
OCR Issues:
- No notable OCR issues detected
Key Terms:
- తెలుగు
- నివసించిన
- బాగా
- చాలా
- వ్యా
- అయిన
- సామా
- యుగం
- అలుగు
- వారు
- నందం
- అన్నమా
- మంచి
- తలుగు
- తాఆన్‌
- ఇళ్ళ
- వఎపహే
- భానవ
- లింవ్పెన
- తొలి
- అన్యం
- లంంర
- వువళి
- ముఐదము
- పెనం
- కావారా
- చిని
- వబకి
- ఉందా
- కాసె
Extractive Summary:
లి శాన వైన న న వయా | ః| నా _ | సై ల ఉం వ న్‌ ప ॥ ల క ఇ న తో య ల | వ. వం "ముకు మా ం ల ల తా వం, క ౧లు తె-మూపిర6ి అన వాడుకొనుు తెనె, న *జునకు వ. ల ॥ ౬ జ ల ల క గ జవ “ నల ను సంర [| ( (టా లా గా చు లు మ ్‌ ఇ న.
Chunk 4 — Andrulu-samskruthi-Charitra_pages0031-0040.txt
OCR Score: 89% Telugu coverage
Characters: 10554
OCR Issues:
- ASCII junk on lines: [436]
Key Terms:
- సంగత
- వావి
- కూడా
- కూచిపూడి
- గిడుగు
- లాలి
- వారు
- కారు
- వాని
- నాటా
- అల్‌
- స్తు
- వపను
- రంగాల
- తెలుగు
- ఫాబూపమయంలో
- రామమూర్తి
- వశిమగయి్యిలు
- “ఎలుగు
- సాహిత్యంలో
- వాావపళ
- ీగ్రక్ష
- భాషకు
- ప్రవశం
- కలగటానికి
- మార్షవర
- కులు
- ంారొల
- వావికి
- సహాయకుల
Extractive Summary:
వ్‌ క 2 ం | గ “ (బహ్మా / ఇ స శ లకి గ్‌ జు ం ఆర గా న ( శా య. అర లం ననావ ఇ వ ఫుమా బాము [గ్ర విఘవ అంట చశావు౦ ల న్స శ క / వ్‌ / న. జ న క ॥ | ॥ ॥ వం ఎ అ లీ ల న ఇ బార వి గల క్‌ ౨.
Chunk 5 — Andrulu-samskruthi-Charitra_pages0041-0050.txt
OCR Score: 89% Telugu coverage
Characters: 12272
OCR Issues:
- ASCII junk on lines: [209]
- Repeated punctuation clusters: 6 occurrences
Key Terms:
- కూడా
- నాకం
- న్నారు
- లాలు
- అర్య
- గ్రా
- అంటి
- నంతా
- మూడు
- ఒంటి
- ఉంటి
- “ంగంతో
- అధికంగా
- కటీనటులున్నారు
- సినిమారంగింతి
- అధికం
- వజబనటులు
- రంకు
- లంకాం
- వ్యరి
- వపషయాం
- పంచయంనగిల
- వ్యక్‌
- నింకొక
- రవ్వ
- గూర్చె
- నరంగా
- వాయగిలకన
- న్న్న
- ట్‌ి
Extractive Summary:
వ ఖాతా .. క యు | టాలె ఆ ల పు ల ళ్‌ ళం 9 ం న. లాటి లీ చలనచు నంత పం న నాం ఎయుుదు ఆకా శిష్టా | వ స ంనం ఆ ట్రి య న అగ / అ క. ఉత రక క ౪ ర జ క న యా | బు వలి ల సాం ఒ ం వు జం శ న ల త ఇ =.
Chunk 6 — Andrulu-samskruthi-Charitra_pages0051-0060.txt
OCR Score: 81% Telugu coverage
Characters: 2611
OCR Issues:
- Repeated punctuation clusters: 6 occurrences
Key Terms:
- నాన్న
- టామా
- బావని
- జల్లా
- పెడాం
- లేయా
- కామా
- వానా
- పులో
- వాల్‌
- రుభుషు
- సాంపిల్‌
- ఫాటీ
- సరసి
- శీతల్‌
- ఇంటు
- వాపా
- హేలీ
- “తంంగి
- టైంలో
- వన్న
- చట్ట
- అట్ల
- నటనే
- ఖాయిలా
- నాసళ్ళ
- బెల్ల
- యంండనున్న
- ఖ్యస్థస్ళ్ళ
- స్‌ో
Extractive Summary:
॥ నా అన న కా స వ వ ౬ గా నా” వ న ల ని వా, లంవ వం రన క గ ం నాం కీ మె బ్‌ ౨ 1 న. సం న స జ లనే జి ల త న క ర న. శ నే ను వ న స | (| ట్య ము ల వ్‌.