Analysis: dharwaza

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/daravaaaja-0
Date: 2026-08-06 11:28
Chunks: 4

---

Book Overview

Book: dharwaza
Source: https://sundarayya.org/daravaaaja-0
Total OCR chunks analysed: 4

---

OCR Quality Summary

Average Telugu script coverage across all chunks: 91%

---

Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

• జనవరి
• నవంబర్‌
• రంగు
• సత్యనారాయణ
• హైదరాబాద్‌
• నుండి
• మనిషి
• డిసెంబర్‌
• అవుతున్న
• దేశం
• కోసమో
• ఎదురు
• చూసి
• వృత్తులు
• బతుకు
• కోసం
• బాల్యం
• తిరుగుతూ
• ఓపెన్‌
• సఫకేషన్‌
• లేదు
• మూసుకున్న
• మనమే
• రంగూ
• నత్యనారాయి
• సంజు
• న్‌్‌
• బోన్‌
• లకంళ్న
• నటనే

---

Per-Chunk Details

Chunk 1 — dharwaza_pages0001-0010.txt

OCR Score: 83% Telugu coverage
Characters: 5336

OCR Issues:

• ASCII junk on lines: [22, 40, 42, 43, 45]...
• Repeated punctuation clusters: 11 occurrences

Key Terms:

• జనవరి
• నవంబర్‌
• రంగు
• సత్యనారాయణ
• హైదరాబాద్‌
• నుండి
• మనిషి
• డిసెంబర్‌
• అవుతున్న
• దేశం
• కోసమో
• ఎదురు
• చూసి
• వృత్తులు
• బతుకు
• కోసం
• బాల్యం
• తిరుగుతూ
• ఓపెన్‌
• సఫకేషన్‌
• లేదు
• మూసుకున్న
• మనమే
• రంగూ
• నత్యనారాయి
• సంజు
• న్‌్‌
• బోన్‌
• లకంళ్న
• నటనే

Extractive Summary:

ం శ, * | న ఇ క (4 ప నం న (0: [ . న స (| ం ఖీ నట న క [క నో జస... స ంం వటి. తుడుం ఉవటలళ ఉల అలల ఏ అంంం కక!

---

Chunk 2 — dharwaza_pages0011-0020.txt

OCR Score: 96% Telugu coverage
Characters: 3425

OCR Issues:

• Repeated punctuation clusters: 7 occurrences

Key Terms:

• వాళ్ళు
• చేయి
• బతుకు
• మనసు
• పులిపాటి
• సైరన్‌
• చిరునవ్వు
• మీది
• పూవు
• డ్రా
• ఆసరా
• మూసిన
• నేనో
• వేసవి
• చెమట
• చుక్కలు
• కడిగిన
• కృతజ్ఞతలు
• 4౦0౧
• ఉద్యోగులు
• మిత్రులు
• సాహితీమిత్రులు
• లోకేశ్వర్‌
• కృష్ణారావు
• గురుస్వామి
• భరత్‌
• భూషన్‌
• జాగాష్‌విలి
• లక్మయ్య
• ప్రజా

Extractive Summary:

భరత్‌ భూషన్‌ జాగాష్‌విలి లక్మయ్య ( ప్రజా శక్తి ఎ. కలల గూడు కట్లు పూవు, లావాని నవనవ డ్రా

---

Chunk 3 — dharwaza_pages0021-0030.txt

OCR Score: 97% Telugu coverage
Characters: 4435

OCR Issues:

• Repeated punctuation clusters: 15 occurrences

Key Terms:

• కంపనీ
• వాడు
• నేను
• లేని
• ఇంటి
• వాళ్ళు
• బతుకు
• ఉదయాలు
• రాస్తూ
• సివికృ
• రైలు
• సత్యనారాయణ
• మనస్సు
• మధ్య
• వెళ్ళి
• వస్తూ
• పసిబిడ్డ
• లేదు
• ఉంటుంది
• కోసం
• పోని
• సాగుతున్న
• కుండ
• ఊపిరి
• ప్రాణం
• వాళ్ళ
• మారుతున్న
• పాతవే
• నడవాలంటాడు
• పడుతున్న

Extractive Summary:

ఎక్స్‌, వై ల మైన మనం లా ్ళంగా సత్యనారా వణ ానానానాననననననలలలననననననాలకకనానాతన అక్టో బర్‌ ఏడో తేది బెజవాడకు ఆ రోజు రెండు ఉదయాలు అకరో దయం ఆం తర్వాత సూర్యోదయం విశిష్ట అతిధి బసతో పున్నమిలా వెలిగిన ఐలాపురం అలం ఐ | వైతరణి నుంచి రాస్తూ... రాస్తూ అలసీపోని కవికి సన్మానం అక్షరదూత సివికృ సీశ్రాదేవిలు

---

Chunk 4 — dharwaza_pages0031-0036.txt

OCR Score: 89% Telugu coverage
Characters: 1523

OCR Issues:

• ASCII junk on lines: [72]
• Repeated punctuation clusters: 9 occurrences

Key Terms:

• రాయి
• మౌనం
• చీకటితో
• పోటీ
• కావాలి
• మార్కు
• కంటికేడు
• ధారల
• దుఃఖాల్నీ
• ఎలుక
• చేసుకునే
• లోపు
• ఊపిరి
• ఆగిపోయినా
• సైరన్‌
• ఆగదు
• మనస్సును
• చంపుకున్న
• లీడర్‌
• నాలుగు
• అప్ప
• వచనాల్ని
• వినిపిస్తాడు
• చివరగా
• అనుకున్నవారు
• రండు
• నిమిషాల
• పొటిస్తారు
• డెత్‌ఫండ్‌
• కలెక్షన్‌

Extractive Summary:

_ స వవ వీ వ క శప షా క్ష నక పీసు చ |. “తీపు కష శ 1... న. ఎ మ వ 0 శ .

---