यादी उपयुक्त आहे. काही तांत्रिक बाबींची माहिती दिल्यास उत्तम. (उदा. कशा प्रकारे यादी तयार केली वगैरे)

आणखी एक. त्या दुव्यावरुन संकेतस्थळाच्या मालकाचे नाव खापरे असावे असे वाटते. खर्पे नाही.

श्री. शंतनु यांना विनंती की त्यांनी अशी शब्दसूची ज्ञानेश्वरी साठी पण बनवावी. खूपच उपयुक्त होईल.
चन्द्रशेखर

अनाथ, अनाथा, अनाथां या शब्दांबरोबरच त्याची विविध रुपे देखील या यादीत पाहायला मिळतात. जसे.. अनाथांचा, अनाथांची, अनाथांचे, अनाथांच्या. तेंव्हा फक्त मूळ शब्द पाहायला हवे असतील, तर एक नवीन फाईल येथे उपलब्ध केली आहे. ही यादी कमी पानांची (१३२) व म्हणून जास्त सोपी वाटेल. ही यादी पी.डी.एफ. फॉर्मेटमध्ये उपलब्ध आहे.

http://code.google.com/p/tukaram/downloads/list

सध्या फक्त 'चा', 'ची', 'चे', 'च्या' असे प्रत्यय शेवटी आलेले शब्द काढले आहेत. वाचकांनी मार्गदर्शन केले तर त्यात सुधारणा करीन.
हे कसे केले ते खाली दिले आहे. एस्. क्यू. एल. ही भाषा प्रणाली ज्याला येते त्याला त्यातील तांत्रिक बाबी सहज समजू शकतील.

http://code.google.com/p/tukaram/wiki/mool_shabda
_____

यात प्रत्येक शब्द किती वेळा आला आहे ते समजत नाही. कोणी असा प्रयोग केला तर त्याचा जास्त फायदा होईल असे वाटते. म्हणजे "विठ्ठला" हा शब्द ५०० वेळा तर "पांडुरंगा" हा शब्द ४०० वेळा आला आहे हे समजले तर शब्दांची घनता आणि वजन समजायला मदत होईल.

एखादा शब्द कुठे आला आहे ते पाहण्यासाठी मी खालील युक्ती वापरतो. गुगलमध्ये लिहितो...
पखाळा site:khapre.org
आता गुगलने सांगितले की हा शब्द आलेला अभंग आहे १८७२. पण ही युक्ती नेहमीच कामी येईल असे नाही. कोणी संगणक तंत्रज्ञ पुढे येऊन जर शब्दांचे नंबरवार सॉर्टींग करू शकला तर सोन्याहून पिवळे!

स्तुत्य उपक्रम. शब्दवापरावरून, त्यांच्या फ्रिक्वेन्सीवरून संशोधकांना काही निष्कर्ष काढता येतील. तुम्ही जो वानगीदाखल प्रयत्न केला आहे तो मात्र पुरेसा समाधानकारक वाटला नाही.

अल्पाक्षरत्व हे तुमच्या लेखनात देखील आढळतं. तुमच्या याच लेखाच्या, खाली उद्धृत केलेल्या उताऱ्यात ५५ शब्दांत (आकडे वगळून) फक्त ७ शब्द पाच अक्षरं वा मोठे आहेत. तुकारामाच्या नऊ टक्क्यांपेक्षा ते फारसं वेगळं नाही. जर तुम्हाला हेच अभंग स्वरूपात लिहायचं झालं असतं तर मोठे शब्द याहीपेक्षा कमी वापरले असतेत असं वाटतं.

काही निष्कर्ष :
अ) सुमारे ४,५०० अभंगात साधारण ३०,००० शब्द वापरले गेले आहेत.

ब) १ ते ४ अक्षरे असलेले शब्द आहेत २७,४७९ आणि ५ पेक्षा जास्त अक्षरे असलेले शब्द आहेत फक्त २,६५३ अल्पाक्षरत्व हे तुकारामाच्या साहित्यातील प्रासादिकतेचे एक गमक आहे हे आता आकडेवारीने सिद्ध झाले आहे असे समजायला हरकत नाही.

क) काही मोठे मोठे शब्द देखील वापरले गेले आहेत, पण ते बहुतांशी २-३ छोट्या शब्दांना जोडून बनविलेले दिसतात.

माझा मुद्दा असा आहे की 'आकडेवारीने सिद्ध झाले' हे म्हणण्यासाठी अधिक कष्ट घ्यावे लागतात. पण त्यासाठी अशी सूची असणं ही पहिली, कठीण पायरी आहे.

राजेश

द्रौपदीचे सत्त्व माझ्या लाभु दे भाषा-शरीरा
भावनेला येउं दे गा शास्त्र-काट्याची कसोटी

तुकारामाच्या गाथेत वापरलेल्या शब्दांचा अर्थ आणि ते शब्द गाथेत कुठे आले आहेत हे समजण्यासाठी एखादी रेडिमेड साइट असावी. तिची पूर्वतयारी म्हणून ही शब्दसूची उपयुक्त आहे.
गाथेतील अवघड शब्दांचा कोशही या सूचीवरून करता येईल. ज्ञानेश्वरी आणि दासबोधासाठी असे शब्दकोश आहेत, असे ऐकून आहे.
भववद्गीतेची एक सुपरसाइट आहे. भारतातील सर्व लिप्यांमध्ये ती साइट उघडते. वर्णमालेतील एक अक्षर निवडून आणि नंतर त्याने बनलेल्या यादीतल्या एखाद्या शब्दावर टिचकी मारली की गीतेतील तो शब्द असलेले सर्व श्लोक उघडतात. श्लोकाचा अर्थ बहुधा इंग्रजीत दिला असावा. तुकारामाच्या गाथेसाठी अशी सुपरसाइट बनवणे या सूचीमुळे शक्य व्हावे. --वाचक्‍नवी