खाली फ़ाइल की फ़ॉरेंसिक जाँच: Stage-1 ने छह फ़ील्ड ख़ाली लौटाए, बचा सिर्फ़ एक शब्द — cricket_world

रात के ग्यारह बजकर चालीस मिनट पर स्क्रीन पर सात पंक्तियों की एक तालिका खुली। Article Title: N/A. Source: N/A. One-sentence Summary: ख़ाली। Information Points: पूरा खंड सूनसान। Entities Involved: एक भी नाम दर्ज नहीं। Time Sensitivity: आँका नहीं गया। Source Quality: आँका नहीं गया। सात में छह पंक्तियों के आगे कुछ नहीं था। सातवीं में एक शब्द बचा था — cricket_world। यह उस फ़ाइल की फ़ॉरेंसिक जाँच है जो मैच रिपोर्ट बनने से एक क़दम पहले भीतर से ख़ाली हो चुकी थी। मेरे लिए यह नया काम नहीं है। 2026 में वानखेड़े की सीढ़ियों पर बैठकर मैंने मुंबई-तमिलनाडु रणजी मुक़ाबले के 546 रन हाथ से कोड किए थे — डॉट-बॉल दबाव, स्ट्राइक रोटेशन, गेंदबाज़ की स्पेल लंबाई, फ़ील्ड बदलाव, स्कोरिंग ज़ोन। तीन रातें, उन्नीस घंटे। उस वक़्त मुझे समझ आया था कि साफ़-सुथरी दिखने वाली फ़ाइल अपने आप में सबूत नहीं होती। आज वही सबक उलटी दिशा से लौटा है — अब सवाल यह नहीं कि संख्या किसने लिखी, सवाल यह है कि यह ख़ाली जगह किसने छोड़ी। Stage-1 क्या है, यह पहले साफ़ हो जाए, क्योंकि ख़ाली फ़ील्ड का मतलब तभी समझ आता है जब पता हो कि वे किस ग़लती से बचाते हैं। किसी भी क्रिकेट डेटा डेस्क पर यह पहली परत है: शीर्षक, स्रोत, लेख का प्रकार, एक वाक्य का सार, लेखक का रुख़ और मक़सद, सूचना-बिंदु, एंटिटी, समय-संवेदनशीलता, और स्रोत की गुणवत्ता। हर फ़ील्ड एक ख़ास जोखिम के ख़िलाफ़ सुरक्षा-कवच है। शीर्षक और स्रोत बताते हैं कि दावा किस मुँह से निकला; सार बताता है कि दावा है क्या; समय-संवेदनशीलता बताती है कि वह दावा कब तक ज़िंदा रहेगा; स्रोत की गुणवत्ता तय करती है कि उसे पन्ने पर कितनी जगह मिलेगी। सबसे भारी फ़ील्ड है Information Points — वही जगह जहाँ तथ्य, संख्याएँ, उद्धरण और घटनाएँ रखी जाती हैं। बाक़ी सारी इमारत उसी नींव पर टिकी है। बिना सूचना-बिंदुओं के न विश्लेषण बनता है, न अनुमान, न ही कोई ऐसा पूर्वानुमान जिसे सीज़न के अंत में ग्रेड किया जा सके। क्रिकेट की भाषा में इसे ऐसे समझिए: एक स्कोरकार्ड जिसमें सिर्फ़ मैदान का नाम दर्ज हो — बल्लेबाज़ नहीं, गेंदबाज़ नहीं, ओवर नहीं, कोई हरफ़नामा नहीं। उस काग़ज़ को रिकॉर्ड कह सकते हैं, आँकड़ा नहीं। अब उस विफलता की जाँच, जो इस फ़ाइल तक पहुँचते-पहुँचते हुई। सबसे संभावित वजह पाठ-निष्कर्षण का ख़ाली लौटना है। क्रिकेट वेबसाइटों पर स्कोरकार्ड, लाइव ब्लॉग और वीडियो पेज अक्सर JavaScript से बनते हैं; स्क्रैपर को HTML मिल जाता है, मगर असली लेख के अक्षर नहीं। जाँच का पैमाना सीधा है — कच्चे पाठ की लंबाई। अगर वह कुछ सौ अक्षरों में सिमटी है, तो सामने पेपरवॉल या ख़ोल है, लेख नहीं। अगली संभावना है ग़लत पेज का चयन। टैग पेज, स्कोर-सूची, शेड्यूल पेज या नेविगेशन पेज में लेख जैसी कोई चीज़ होती ही नहीं। ऐसे पेज पर हर फ़ील्ड का ख़ाली लौटना सही व्यवहार है, तकनीकी ग़लती नहीं। और तीसरी संभावना सबसे चालाक है — मॉडल के आउटपुट का बीच में कट जाना। JSON अधूरा बनता है, पार्सिंग विफल होती है, सिस्टम चुपचाप ख़ाली ढाँचा लौटा देता है। फ़ाइल देखने में वैध लगती है, इसीलिए कोई शोर नहीं मचता। इसे पकड़ने के तीन सस्ते संकेतक हैं: finish_reason, टोकन गिनती, और उसी इनपुट पर दोबारा चलाने से आने वाला अंतर। यहाँ असली ख़तरा तकनीकी नहीं, आदतन है। एक ख़ाली Stage-1 जिसमें Domain Label भरा हो, विश्लेषक को न्योता देता है कि वह अपनी पुरानी समझ से खालीपन भर दे। cricket_world पढ़ते ही दिमाग़ में वे सारे वाक्य तैयार बैठे होते हैं जो क्रिकेट जैसे सुनाई देते हैं — मध्य ओवरों में स्ट्राइक रेट लुढ़का, तेज़ गेंदबाज़ों का वर्कलोड बढ़ा, पावरप्ले में दबाव। इनमें से एक भी वाक्य इस फ़ाइल से नहीं निकला। डेटा-डेस्क का सबसे पुराना फंदा यही है: ख़ाली जगह भरने की जल्दबाज़ी। मुझे संख्या डेटासेट में मिली, जिस व्यक्ति ने उसे बनाया वह नहीं मिला; यहाँ तो संख्या ही नहीं मिली। Domain Label साक्ष्य नहीं है, वह शब्दावली है। शब्दावली से कोई भी वाक्य बन सकता है, इसीलिए वह प्रमाण नहीं बन सकती। जो मीट्रिक अनुवाद नहीं हो सकता, वह मीट्रिक इस्तेमाल भी नहीं हो सकता। मगर खाली फ़ाइल देखकर यह मान लेना कि पाइपलाइन ही टूटी है, एक और किस्म की लापरवाही है। कुछ क्रिकेट पेज सचमुच बिना सूचना-बिंदुओं के होते हैं — फ़ोटो गैलरी, स्कोर विजेट, ऑटो-जनरेटेड मैच सारांश, जिनमें एक भी तिथि-युक्त तथ्य नहीं होता। अगर स्रोत ही खोखला था, तो ख़ाली आउटपुट सही जवाब है और उसे विफलता कहना झूठा अलार्म है। भेद करने का तरीक़ा यह है कि वही URL दो अलग पार्सरों से दोबारा खींची जाए। अगर HTTP 200 आता है और पेलोड बड़ा है, मगर दोनों पार्सर ख़ाली लौटते हैं — गड़बड़ निष्कर्षण में है। अगर पेलोड ही छोटा है, तो गड़बड़ स्रोत में है। इस जाँच के बिना 'Stage-1 फेल हुआ' कहना सहसंबंध को कारण बना देना है। एक बात और, जो मैं सालों से दोहराता हूँ: पिछले कुछ वर्षों में मेरे पास जो भी 'बिना स्रोत वाली' क्रिकेट संख्याएँ आईं, उनमें से ज़्यादातर किसी ख़ाली स्क्रैप से नहीं, बल्कि भरी हुई मगर बिना हरफ़नामे वाली फ़ाइल से आई थीं। ख़ाली फ़ाइल कम ख़तरनाक है, क्योंकि वह ख़ुद को पकड़वा देती है। तीन दशमलव तक सजी संख्या अपनी ग़लती को कभी नहीं दिखाती। आगे के लिए मेरा नियम सार्वजनिक रहेगा, क्योंकि नियम पहले छापना ही मेरा तरीक़ा है और हमने पूर्वानुमान पहले मैच से पहले छाप दिया था, ताकि सीज़न हमें ग्रेड कर सके। कोई भी क्रिकेट विश्लेषण तब तक नहीं छपेगा जब तक Stage-1 कम से कम तीन तिथि-युक्त सूचना-बिंदु और एक पहचानी गई एंटिटी न लौटाए। यह शर्त जाँची जा सकती है, इसलिए यह वादा भी है और दाँव भी: अगर चार हज़ार अक्षरों से बड़ा कच्चा पाठ दो अलग पार्सरों पर फिर भी ख़ाली लौटे, तो मेरा निदान ग़लत है और गड़बड़ ऊपर की परत में है। समय-सीमा काम की दुश्मन नहीं, काम ही है — मगर ख़ाली फ़ाइल पर लिखा हुआ पन्ना समय-सीमा नहीं, सिर्फ़ ख़ाली पन्ना है।