फुटबॉल लेबल के पीछे का खाली पेज: जब डेटा पाइपलाइन अपनी ही खबर नहीं पढ़ पाती

13 जुलाई 2026 की रात साल्ट लेक स्टेडियम में 1,31,781 दर्शकों के सामने फेडरेशन कप सेमीफाइनल में ईस्ट बंगाल ने मोहन बागान को 4-1 से हराया था। मैं तब दूरदर्शन की स्पोर्ट्स डेस्क पर टाइमकोड लॉग कर रही थी, और जब सबकी निगाहें भुटिया के हैट्रिक पर थीं, मैंने 38वें मिनट में रेफरी के उस इशारे को नोट किया जिसने मोहन बागान की पेनल्टी अपील खारिज की थी — रिवर्स-एंगल रीप्ले में पहला संपर्क बॉक्स से पूरा एक गज बाहर शुरू हुआ था। उस रात से मेरी एक ही आदत बनी: फ्रेम संख्या लिखो, भावना नहीं। पिछले कुछ दिनों में मेरे सामने एक ऐसा रिपोर्टिंग-टूल रखा गया जो मुझे उसी नोटबुक की याद दिलाता है, लेकिन उलटे तरीके से। संदर्भ साफ है और इसका फुटबॉल से सीधा रिश्ता है। एक मीडिया-मॉनिटरिंग पाइपलाइन चल रही है जो खबरों को स्वचालित रूप से पढ़कर आगे के विश्लेषण के लिए तैयार करती है। इसके पहले चरण का आउटपुट जब मेरे पास आया, तो उसमें केवल एक ही ठोस चीज़ थी — डोमेन लेबल: फुटबॉल। शीर्षक, स्रोत, प्रकार, एक-पंक्ति सारांश, लेखक का रुख, और सबसे जरूरी सूचना-बिंदुओं की सूची — सब खाली। सूचना-बिंदुओं की गिनती शून्य थी। जिस लेबल को आगे के सारे निष्कर्षों की नींव बनना था, उसके नीचे कोई ईंट ही नहीं थी। यहां रुककर सोचना जरूरी है कि खाली क्यों आया। तीन संभावनाएं हैं, और उन्हें अलग-अलग पहचानना जरूरी है क्योंकि हर एक का इलाज अलग है। पहली और सबसे आम वजह है एक्सट्रैक्शन की विफलता — पेज का मुख्य टेक्स्ट-चयनकर्ता निशाने पर नहीं लगा, जैसे पेवॉल, जावास्क्रिप्ट से बना कंटेंट, या कुकी-पॉपअप की परत। ऐसे में सिस्टम खाली ढांचा लौटाता है और कोई त्रुटि भी दर्ज नहीं होती। दूसरी संभावना यह है कि इनपुट असल में लेख ही नहीं था — कोई वीडियो पेज, फोटो गैलरी, स्कोरबोर्ड डेटा पेज, या सिर्फ लिंक का ढेर। तीसरी, और सबसे कम संभावित, यह है कि लेख मौजूद था पर उसमें सचमुच कोई सूचना नहीं थी। संरचना पूरी होकर भी सामग्री पूरी तरह खाली मिलना पहली स्थिति की ओर सबसे ज्यादा इशारा करता है। मेरी नोटबुक का सबक सीधा है: जब कैमरा घूम जाए, तो कहानी नहीं बदलती — सबूत बदल जाता है। यही बात यहां लागू होती है। केवल 'डोमेन लेबल: फुटबॉल' पकड़कर आगे बढ़ना उसी तरह होगा जैसे स्कोरबोर्ड देखकर मैच की रिपोर्ट लिख देना। यहां एक तकनीकी जाल भी छिपा है जिसे 44 साल के अनुभव के बाद मैं साफ देख सकती हूं — डोमेन लेबल भरोसेमंद नहीं है, क्योंकि उसे पुष्टि करने के लिए कोई इकाई या सूचना-बिंदु मौजूद नहीं। यह संभव है कि यह URL या प्रकाशन-चैनल के आधार पर लगाया गया हो, या बस डिफ़ॉल्ट मान हो। तीन-स्तरीय मॉनिटरिंग पाइपलाइन में यह खामियां कहीं और दबी हुई हैं, लेकिन आज का सबक एक ही है: फुटबॉल का लेबल फुटबॉल की खबर नहीं होती। जो सबसे कम उम्मीद थी, वही सबसे ज्यादा चौंकाता है — और यह मेरी आदत का उलटा पहलू है। मुझे लगता है कि एक पाइपलाइन की सबसे बड़ी विफलता तब नहीं होती जब वह गलत निष्कर्ष निकालती है, बल्कि तब होती है जब वह खाली डिब्बा भरने के लिए कुछ भी बना देती है। यहां सबसे सही फैसला यही हुआ कि शून्य को शून्य कहा गया। लेकिन खतरा अगले चरण में है: एक खाली लेबल के ऊपर 'गहरा विश्लेषण' खड़ा करना वही गुनाह है जो मैंने 2026 नेहरू कप फाइनल की रीप्ले ट्रक में सुना था — जब वरिष्ठ निर्माता ने मुझसे रणनीति 'लड़कों' पर छोड़ देने को कहा। मैंने तब 84 पेनल्टी किकों का अपना पहला भारतीय संग्रह बनाया, ग्यारह हफ्ते लगे। उत्तर बहस से नहीं, तैयारी से मिलता है। सुझाव स्पष्ट है और इसे पाइपलाइन की भाषा में लिखा जाना चाहिए। पहले चरण के आउटपुट में एक सुरक्षा-कवच जोड़ें जो खाली परिणाम को दूसरे चरण तक जाने ही न दे। इसके लिए पांच फ़ील्ड काफी हैं: निष्कर्षण की स्थिति, मूल पाठ की लंबाई, सूचना-बिंदुओं की संख्या, डोमेन लेबल का भरोसा स्तर, और उस लेबल के पीछे का सबूत। अगर स्थिति ठीक नहीं है, तो प्रक्रिया वहीं रुके। अगली बार जब कोई खबर आए, तो पहले यह देखें कि क्या मूल पाठ में सचमुच कुछ लिखा है — वरना हम वही रिपोर्ट बनाते रहेंगे जिसमें स्कोरबोर्ड था, मैच नहीं।