fn_registry/python/functions/datascience/fetch_hackernews_search.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
fetch_hackernews_search	function	py	datascience	1.0.0	impure	def fetch_hackernews_search(query: str, limit: int = 50, tags: str = "story") -> list[dict]	Busca en Hacker News via la API Algolia publica (sin auth ni anti-bot) y normaliza cada hit a un shape comun de market intelligence. GET a hn.algolia.com/api/v1/search filtrando por tags (story/comment/...).	market-intel hackernews scraping http social demand impure datascience				false	error_go_core	requests	name desc query termino de busqueda (ej: 'i wish there was a tool') name desc limit maximo de resultados (hitsPerPage de Algolia, topea ~1000) name desc tags filtro de tipo de item Algolia: 'story' (default), 'comment', 'story,comment', 'show_hn', 'ask_hn'	list[dict] (puede ser []). Cada fila: {source:'hackernews', platform_id:str, title:str, body:str, url:str, author:str, channel:'hn', created_utc:float, platform_score:int, query:str}	true	parser normaliza hits al shape exacto hit sin url externa cae a news.ycombinator.com item link points None se mapea a 0 hits vacio devuelve lista vacia	python/functions/datascience/fetch_hackernews_search_test.py	python/functions/datascience/fetch_hackernews_search.py

Ejemplo

from datascience import fetch_hackernews_search

# Buscar stories
rows = fetch_hackernews_search("i wish there was a tool", limit=50, tags="story")
for r in rows[:3]:
    print(r["platform_score"], r["title"], r["url"])

# Buscar comentarios (mas senal de demanda conversacional)
comments = fetch_hackernews_search("alternative to", limit=100, tags="comment")

Cuando usarla

Usala como fuente complementaria a fetch_reddit_search en pipelines de market intelligence. HN concentra demanda tecnica/SaaS y la API Algolia es estable y sin anti-bot, ideal para escaneos recurrentes. Pasa tags="comment" para captar demanda expresada en hilos (suele ser mas rica que los titulos de story). Combina con score_demand_signal para puntuar cada hit.

Gotchas

• Sin red = lista vacia, no excepcion: si la peticion falla (red, 5xx, JSON malformado) la funcion devuelve []. Revisa el tamano del resultado.
• created_utc viene de created_at_i (epoch en segundos, float).
• platform_score son los points del item, 0 si Algolia no lo provee (tipico en comentarios, que no tienen puntos visibles en la API).
• url: si el hit es una story con enlace externo, url es ese enlace; si no (Ask HN, comentarios, Show HN sin link), cae al permalink https://news.ycombinator.com/item?id={objectID}.
• A diferencia de Reddit, Algolia no exige User-Agent ni rate-limitea de forma agresiva en uso normal, pero conviene no abusar.