Product Hunt每日热榜：数据采集与热度算法解析

1. 项目概述

Product Hunt作为全球知名的产品发现平台，每天都会涌现大量创新产品。这个每日热榜项目旨在系统性地整理2026年3月6日当天平台上最受关注的产品，为创业者、投资人和科技爱好者提供及时的市场风向标。不同于简单的链接汇总，我们会对上榜产品进行多维度的分析和归类，挖掘背后的技术趋势和用户需求。

在实际操作中，我发现要制作一份真正有价值的每日热榜，需要解决三个核心问题：如何定义"热度"（不仅仅是投票数）、如何分类五花八门的产品、以及如何提取对读者有实际参考价值的信息。经过多次迭代，最终形成了这套方法论。

2. 数据采集与处理

2.1 数据来源确定

Product Hunt官方API是最可靠的数据渠道，但需要注意其速率限制。经过测试，使用Python的requests库配合1秒/次的请求间隔可以稳定获取数据而不会被封禁。关键API端点包括：

• /posts：获取当日产品列表
• /posts/:id/votes：获取具体产品的投票数据
• /posts/:id/comments：获取评论互动情况

重要提示：API返回的JSON数据中，createdAt字段使用UTC时间，需要根据目标读者所在时区进行转换，否则会出现日期错位问题。

2.2 热度算法设计

单纯按投票数排序会导致老产品长期霸榜。我们采用时间衰减加权算法：

code复制热度分数 = (当日投票数 × 2) + (评论数 × 1.5) + (分享数 × 1.2) - (发布时间系数 × 0.8)

其中发布时间系数按小时线性递增，早上8点发布的产品系数为1，之后每小时增加0.1。这个公式经过AB测试验证，能较好平衡新老产品。

2.3 数据清洗要点

原始数据常见问题包括：

1. 重复产品（不同提交者重复提交）
2. 分类标签不准确（创作者自行填写的标签可能不规范）
3. 僵尸账号投票（需过滤投票历史异常的用户）

解决方案：

python复制# 去重逻辑示例
def remove_duplicates(posts):
    seen_urls = set()
    unique_posts = []
    for post in posts:
        canonical_url = normalize_url(pos