स्टेज-1 का खाली आउटपुट: रिपोर्ट लिखने से पहले डेटा की जाँच ज़रूरी

इस स्टेज-1 आउटपुट में संरचना पूरी है, लेकिन सभी फ़ील्ड खाली हैं। आर्टिकल टाइटल और सोर्स दोनों N/A हैं, आर्टिकल टाइप Unclassified है, वन-सेंटेंस समरी खाली है, लेखक का रुख़ और उद्देश्य N/A हैं, सूचना-बिंदुओं की सूची खाली है, और किसी भी इकाई को सामग्री से नहीं निकाला जा सका। टाइम-सेंसिटिविटी का आकलन नहीं हुआ और सोर्स क्वालिटी का निर्धारण असंभव है, क्योंकि जज किए जाने के लिए कोई सूचना-बिंदु ही मौजूद नहीं है। एकमात्र वैध संकेत डोमेन टैग cricket_asia है, जो केवल यह बताता है कि आर्टिकल को क्रिकेट और एशिया से जुड़ी श्रेणी में रूट किया गया था। यह टैग अपस्ट्रीम का डिफ़ॉल्ट मान या कमज़ोर वर्गीकरण का परिणाम भी हो सकता है, इसलिए यह किसी भी ठोस विश्लेषण का आधार नहीं बन सकता। चूँकि शून्य सूचना-बिंदुओं पर गहन विश्लेषण लिखने का अर्थ केवल काल्पनिक टीमों, स्कोर, टूर्नामेंट और उद्धरणों की रचना होगा, इसलिए इस चरण पर रिपोर्ट लिखना खाली छोड़ने से भी बुरा होगा। विफलता के संभावित कारणों को प्राथमिकता क्रम में इस तरह रखा जा सकता है। पहला, बॉडी-टेक्स्ट एक्सट्रैक्शन विफल रहा, यानी HTML प्राप्त हुआ लेकिन सेलेक्टर मेल नहीं खाए, article टैग अनुपस्थित था, या सामग्री __NEXT_DATA__ अथवा JSON-LD के भीतर छिपी थी। दूसरा, पेज जावास्क्रिप्ट से रेंडर होता है, इसलिए स्टैटिक फ़ेच केवल ढाँचा ले पाया और मुख्य पाठ खाली रहा। तीसरा, फ़ेचिंग अवरुद्ध हुई और 403 या पे-वॉल पेज लौटा, जबकि पाइपलाइन ने खाली बॉडी को त्रुटि के रूप में ऊपर नहीं भेजा। चौथा, अपस्ट्रीम से ही खाली इनपुट आया लेकिन प्रक्रिया आगे चलती रही। इन सभी स्थितियों में मूल समस्या एक ही है: स्टेज-1 ने सूचना-बिंदुओं की संख्या शून्य होने पर विफलता की घोषणा नहीं की। उसने एक वैध खाली संरचना लौटाई, जिससे खाली परिणाम सामान्य परिणाम जैसा दिखने लगा। यह एक ऐसा इंजीनियरिंग दोष है जिसे ठीक करना ज़रूरी है। तात्कालिक समाधान यह है कि मूल लेख या उसका URL उपलब्ध कराया जाए, ताकि स्टेज-1 और स्टेज-2 सीधे चलाए जा सकें। मध्यम अवधि में स्टेज-1 को एक सख़्त वैलिडेशन देना चाहिए: जब len(information_points) == 0 हो या len(body_text) किसी न्यूनतम सीमा से कम हो, तो स्थिति को EXTRACTION_FAILED के रूप में चिह्नित कर उसके बाद का विश्लेषण रोक दिया जाए और सफल दिखने वाला खाली परिणाम कभी आउटपुट न हो। साथ ही डिबगिंग के लिए मूल HTML का स्नैपशॉट सुरक्षित रखा जाए। cricket_asia डोमेन टैग के बारे में यह नियम रखा जाए कि मुख्य पाठ की पुष्टि से पहले उसे विश्लेषण का आधार न माना जाए, क्योंकि खाली इनपुट की स्थिति में वह डिफ़ॉल्ट मान होने की संभावना अधिक है।