N/A की सुबह: क्रिकेट-एशिया बीट पर खाली एक्सट्रैक्शन को खबर समझने की भूल
**कोर उत्तर (≤60 शब्द):** cricket_asia डोमेन पर Stage-1 एक्सट्रैक्शन ने शीर्षक, स्रोत और सूचना बिंदु खाली लौटाए। शीर्षक और स्रोत दोनों के N/A होने से संकेत मिलता है कि पेज का बॉडी टेक्स्ट कभी पार्स ही नहीं हुआ — यह पतला लेख नहीं, फेच या पार्स की विफलता है। **मुख्य तथ्य:** - सूचना बिंदुओं की सूची में शून्य आइटम; शीर्षक, स्रोत, सार, लेखक का रुख़ और उद्देश्य सभी N/A दर्ज। - एकमात्र जीवित सिग्नल डोमेन लेबल cricket_asia, जो संभवतः URL या स्रोत कॉन्फ़िग से आया, लेख के पाठ से नहीं। - शीर्षक और स्रोत दोनों के N/A होने पर फेच विफलता (403, 429, पेबॉल, कंसेंट इंटरस्टिशियल) या जावास्क्रिप्ट रेंडरिंग की संभावना सबसे अधिक। - उपयोगी Stage-2 विश्लेषण के लिए न्यूनतम इनपुट: शीर्षक, प्रकाशक, प्रकाशन तिथि और पांच से अधिक अलग तथ्यात्मक दावे। **स्रोत:** Stage-1 एक्सट्रैक्शन ऑडिट लॉग; प्रकाशन तिथि दर्ज नहीं, स्रोत प्रकाशक अपलोड नहीं हुआ। **संबंधित प्रश्न-उत्तर:** प्रश्न: cricket_asia बीट पर खाली एक्सट्रैक्शन का सबसे आम कारण क्या है? उत्तर: पेज का बॉडी टेक्स्ट कभी पार्स न होना, जिसका सबसे प्रबल संकेत शीर्षक और स्रोत का एक साथ N/A होना है। प्रश्न: गवर्नेंस और मैच रिपोर्टिंग को एक ही टेम्पलेट से क्यों नहीं जांचा जाना चाहिए? उत्तर: गवर्नेंस में रुख़ घोषित फ़ैसले और बातचीत की स्थिति के फ़र्क़ से पढ़ा जाता है, जबकि मैच रिपोर्टिंग में अवलोकन और मूल्यांकन के फ़र्क़ तथा स्कोरकार्ड मिलान से। प्रश्न: Stage-2 से पहले क्या ठीक करना चाहिए? उत्तर: फेच और पार्स की कड़ी, क्योंकि खाली स्कीमा के साथ मॉडल दोबारा चलाने पर वही खाली परिणाम लौटता है।
सुबह 9:40 बजे की शीट
सुबह 9:40 बजे मेरी आदत है — कोई भी फाइल खोलने से पहले डेटलाइन देखता हूं, उसके बाद बायलाइन। पैंतालीस साल से यही क्रम है। इस बार जो शीट सामने आई, उसकी पहली पंक्ति में लेख के शीर्षक के आगे तीन अक्षर थे: N/A. दूसरी पंक्ति में स्रोत के आगे वही तीन अक्षर। तीसरी में लेख का प्रकार — Unclassified. और सूचना बिंदुओं वाला खाना, जो किसी भी एनालिसिस की रीढ़ होता है, पूरा खाली।
मैंने वह शीट दो बार पढ़ी। खाली शीट भी एक दस्तावेज़ होती है; फ़र्क यह है कि उसका विषय लेख नहीं, प्रक्रिया होती है। जो एक चीज़ बची थी, वह डोमेन लेबल था — cricket_asia. और वह लेबल किसी वाक्य से नहीं आया। ऐसे लेबल स्रोत या URL कॉन्फ़िग से चिपके रहते हैं, पैराग्राफ से नहीं निकलते। यानी उस शीट में क्रिकेट के बारे में एक भी वाक्य मौजूद नहीं था। जिस सुबह ऐसा हो, उस सुबह का काम रिपोर्टिंग का नहीं, सत्यापन का होता है।
दो हिस्सों वाली बीट
एशिया की क्रिकेट बीट पर दो तरह की खबरें चलती हैं और मेरी नोटबुक में इनके दो अलग हिस्से हैं। पहला — गवर्नेंस और प्रशासन: एशियाई क्रिकेट परिषद की बैठकें, एशिया कप की मेज़बानी का चक्र, आईसीसी के क्षेत्रीय क्वालिफायर का कैलेंडर, प्रसारण अधिकार, शेड्यूलिंग के फ़ैसले। दूसरा — मैच और घटना की रिपोर्टिंग: द्विपक्षीय सीरीज़, क्वालिफायर, एसोसिएट क्रिकेट के नतीजे।
दोनों के सत्यापन का तरीका अलग है, और यही बात सबसे ज़्यादा अनदेखी होती है। गवर्नेंस में सच्चाई कागज़ों में रहती है — कार्यवृत्त, प्रेस विज्ञप्ति, जारी शेड्यूल, अनुबंध की तारीख़। मैच रिपोर्टिंग में सच्चाई स्कोरकार्ड और आंख में रहती है। पहली श्रेणी में जो फ़ैसला दिखता है, वह अक्सर बातचीत की आख़िरी स्थिति नहीं, सौदेबाज़ी की शुरुआती पोज़ होती है। दूसरी श्रेणी में जो प्रदर्शन दिखता है, वह अक्सर टिप्पणी होती है, अवलोकन नहीं।
मेरी नोटबुक में पहला एशिया कप दर्ज है — अप्रैल 2026, शारजाह, जहां भारत ने श्रीलंका को हराया था। तब रिपोर्ट टेप से आती थी और मैं प्रिंट डेस्क पर था। चालीस साल बाद उसी बीट पर फेच-लॉग आता है। खेल नहीं बदला, दस्तावेज़ तक पहुंचने का रास्ता बदल गया। नोटबुक स्क्रीन पर चली गई; लय कागज़ पर ही रही।
ऑडिट
उस शीट का लेखा-जोखा सीधा है। शीर्षक खाली, स्रोत खाली, प्रकार अनर्गल, सार खाली, लेखक का रुख़ खाली, उद्देश्य खाली, और सूचना बिंदुओं की सूची में शून्य आइटम। नीचे की हर चीज़ — एंटिटी ग्राफ़, समय-संवेदनशीलता, दावे और प्रमाण का मिलान, रुख़ का पता लगाना — इसी एक सूची का फलन है। सूची खाली है तो पाइपलाइन के पास भेजने को इनपुट ही नहीं।
खाली सूचना बिंदु पतला लेख नहीं होता; वह खाली एक्सट्रैक्शन होता है। यह फ़र्क बुनियादी है। पतले लेख में भी दो-तीन दावे होते हैं जिन्हें जांचा जा सके। शून्य आइटम वाली शीट में जांचने को कुछ नहीं होता। और जब शीर्षक और स्रोत दोनों एक साथ N/A हों, तो संभावना साफ़ हो जाती है: असली पेज का पार्स हुआ ही नहीं। किसी भी असली पेज से कम से कम टाइटल या कैनोनिकल URL तो निकल ही आता है।
कारणों का क्रम मेरे अनुभव में यही रहा है। सबसे ऊपर फेच की विफलता — 403 या 429, पेबॉल, या कुकी और कंसेंट का इंटरस्टिशियल, जिस पर पार्सर बॉयलरप्लेट पढ़कर सही ढंग से कुछ नहीं पाता। उसके बाद क्लाइंट-साइड रेंडरिंग, जहां बॉडी लोड के बाद जावास्क्रिप्ट से भरती है और स्थिर फेच को खाली डिब्बा मिलता है। तीसरे नंबर पर सिलेक्टर का मेल न खाना — पार्सर ऐसे कंटेनर को ताकता रह जाता है जो उस टेम्पलेट पर मौजूद ही नहीं, और स्कीमा फिर भी चुपचाप बन जाता है। चौथे पर भाषा या एनकोडिंग का असंगत होना, और पांचवें पर ट्रंकेशन, यानी बॉडी ऊपर की कड़ी में ही खाली चली गई।
जब शीर्षक और स्रोत दोनों खाली हों, तो मरम्मत प्रॉम्प्ट में नहीं, फेच और पार्स में होती है। यह वह जगह है जहां डेस्क की आधी गलतियां होती हैं। मॉडल को दोबारा चलाने से वही खाली स्कीमा लौटेगा, क्योंकि मॉडल को दिया ही कुछ नहीं गया। जो काम करता है वह यह है: असली बॉडी लाना, बॉडी में देखना कि पाठ कहां मौजूद है, और एक्सट्रैक्शन से कम से कम पांच गैर-खाली सूचना बिंदु निकलवाना — तारीख़, प्रकाशक, और पांच अलग-अलग तथ्यात्मक दावों के साथ।
इस बीट पर मेरा एक नियम है जो 2026 से नहीं बदला: ट्रेनिंग ग्राउंड पर जो देखा, उसके लिए दो स्रोत चाहिए — खिलाड़ी का अपना बयान या कोच की पुष्टि, एजेंट की बात कभी नहीं। यही नियम यहां भी लगता है। कच्ची बॉडी और उसका लॉग, दो अलग स्रोत हैं; उनके बिना एक भी पंक्ति फाइल नहीं होती। नियम कॉपी को एक दिन धीमा करता है और उसे सबसे ज़्यादा उद्धृत बनाता है।
उसके बाद श्रेणी तय होती है, और यह तय करना ज़रूरी है। गवर्नेंस की खबर में रुख़ अक्सर स्पष्ट नहीं होता; असली काम यह अलग करना है कि क्या घोषित फ़ैसला है और क्या बातचीत की स्थिति, और फ्रेमिंग से यह पढ़ना है कि किस सदस्य बोर्ड के हित की सेवा हो रही है। ऐसी खबर की समय-संवेदनशीलता ऊंची होती है, क्योंकि अगली बैठक पिछले फ़ैसले को बदल देती है। मैच रिपोर्टिंग में रुख़ आंकड़ों के चयन से रिसता है; वहां काम यह अलग करना है कि कौन सा वाक्य अवलोकन है और कौन सा मूल्यांकन, और जो आंकड़े उद्धृत हैं वे स्कोरकार्ड से मिलते हैं या नहीं। दोनों श्रेणियों को एक ही टेम्पलेट से जांचना वही गलती है जो स्पिनर और तेज़ गेंदबाज़ को एक ही नेट ड्रिल से नापना है।
बाहर से कैसा दिखता है
बाहर से देखने पर यह सब सुनसान दिन लगता है। कहा जाएगा कि एशियाई क्रिकेट में कोई हलचल ही नहीं थी, एसोसिएट क्रिकेट से खबर नहीं बनती, और शीट का खाली होना बाज़ार का सच है। यह पढ़ना आसान है और गलत है। खाली एक्सट्रैक्शन खाली खबर का सबूत नहीं है, वह उपकरण की विफलता का सबूत है। फ़र्क इतना है कि उपकरण की विफलता में शोर नहीं होता — कोई त्रुटि संदेश नहीं, कोई लाल झंडा नहीं। स्कीमा बन जाता है, फ़ाइल बंद हो जाती है, और अगली सुबह वही बीट फिर खाली दिखती है।
दूसरी बाहरी गलतफ़हमी यह है कि समस्या मॉडल की है और हल भी मॉडल में है। इसका उल्टा सबूत मेरे पास है। ऐप पर भरोसा करने में मुझे नब्बे नेट सेशन लगे, और उन नब्बे में दो बार ऐप मुझसे सही निकला। लेकिन जब इनपुट ही न हो, तो न मेरी आंख काम आती है, न ऐप। टेम्पो वह है जो शोर घटाने के बाद बचता है; यहां शोर ही नहीं था, सिर्फ़ खालीपन था।
आगे क्या देखना है
अगली बार इस बीट पर फाइल करने से पहले मेरे तीन सवाल होंगे। फेच लॉग कहां है — 200 आया या 403? कच्ची बॉडी में लेख का पाठ किस पंक्ति से शुरू होता है? और वे पांच सूचना बिंदु कौन से हैं, तारीख़ और प्रकाशक के साथ? इन तीनों के जवाब आने से पहले जो भी लिखा जाए, वह रिपोर्टिंग नहीं, अनुमान होगा। असली सवाल यह है कि इस साल कितनी बीटें इसी तरह चुपचाप बंद हुईं, और उनका खालीपन किसी लॉग में दर्ज भी हुआ या नहीं।