环境：python3.6

目的：根据关键词在淘宝1688平台上搜索商品，并将商品的pid等信息抓取下来。

私信小编01即可获取大量Python学习资料

首先，我们打开首页，输入关键词：女装。↓↓↓

点击找一下，后会跳转到商品页面，如下图所示↓↓↓

这个时候我们就可以看到女装商品分类，和一些推荐商品，

接下来我们不要急着爬这些商品数据，我们要找的是这些商品的分类目录地址。

谷歌浏览器右击检查页面，仔细观察会发现，每个分类的商品都有对应的地址，例如：连衣裙，对应的地址如下

我们进入连衣裙的href标签里面的地址，你会发现页面的标题已经从“女装”变成“女装-连衣裙”了，因为我们在这个页面看到的商品是经过淘宝分类后的，这一页内容只包含“女装-连衣裙”。

通过抓包 我们发现，发现这一页的真实的数据来源地址是：

https://s.1688.com/selloffer/rpc_async_render.jsonp?cps=1&n=y&filtOfferTags=279874&filt=y&keywords=%C5%AE%D7%B0&&categoryId=0&n=y&uniqfield=pic_tag_id&templateConfigName=marketOfferresult&pageSize=60&asyncCount=60&async=true&enableAsync=true&rpcflag=new&_pageName_=market&callback=jQuery172015741463935213496_1555383468519&beginPage=1

联系上下文，仔细观察会发现，这是一个可以拼接的url，大致拼接方式如下：???

url = 'https://s.1688.com/selloffer/rpc_async_render.jsonp?cps=1&n=y&filtOfferTags=279874&filt=y&keywords='+keywords+'&categoryId='+categoryId+'&n=y&uniqfield=pic_tag_id&templateConfigName=marketOfferresult&pageSize=60&asyncCount=60&async=true&enableAsync=true&rpcflag=new&_pageName_=market&callback=jQuery172015741463935213496_1555383468519&beginPage='+str(i)

其中keywords不难看出是关键词，而且是进行url编码后的，而 i 这个明显是页码数字，categoryId英语好的一眼就知道是“类别ID”

这些参数是从哪来的呢？

回到前面，我们进入“女装-连衣裙”的页面，并查看源码，搜索这些关键词，

找到了：

接下来的事 就简单了，通过填参数拼接url，我们随意可以从女装-连衣裙分类下，获取几十页数据信息，或者从女装-日韩女装分类下获取数据信息。然后通过正则匹配到商品offerid。???

这些offerid代表的就是商品id，例如取出其中一个offerid：556983465623。那么这个商品的完整地址就是：

https://detail.1688.com/offer/556983465623.html

商品的名称、价格、销量、大小参数都可以从这个地址获取到。

下一篇我会教大家如何根据offerid抓取商品详情。

本篇完整代码如下：

???

# encoding: utf-8
"""
本脚本 用于根据关键词“女装”爬取1688全部分类商品的offerid
"""
import requests
import re
import random
from lxml import html
import time
 
"""获取页面内容"""
def get_html(url):
    html=''
    for x in range(5):
        try:
            resp = requests.get(url)
            html = resp.text
            if len(html) < 1000:
                continue
            else:
                return html
        except Exception as e:
            print('url {0}, throw exception: {1}'.format(url, e))
            html = ''
    return html
 
"""从女装首页获取全部的分类地址"""
def category_spider():
    # 女装：%C5%AE%D7%B0
    url = 'https://s.1688.com/selloffer/offer_search.htm?keywords=%C5%AE%D7%B0&button_click=top&earseDirect=false&n=y&netType=1%2C11'
    htmlstr = get_html(url)
    section = html.fromstring(htmlstr)
    links = section.xpath("//div[@class='s-widget-flatcat sm-widget-row sm-sn-items-control sm-sn-items-count-d fd-clr']/div[@class='sm-widget-items fd-clr']/ul//a/@href")
    return links
 
"""从数据源中正则匹配商品的offerid"""
def spider(url):
    pid_list = list()
    htmlstr = get_html(url)
    goods_pid = re.findall(r'offerid=.*?(d+)', htmlstr)
    for pid in goods_pid:
        pid_list.append(pid)
    return pid_list
 
 
def main():
    # 获取女装商品下的所有分类目录地址：连衣裙、女式T恤、短袖T恤、外贸裙、日韩女装等等
    links = category_spider()
    # 遍历所有分类
    for link in links:
        sound = get_html(link)
        # 类别ID
        categoryId = re.findall(r'"categoryId":"(d+)"', sound)[0]
        # 关键词
        keywords = re.findall(r'"keywordsGbk":"(.*?)"', sound)[0]
        # 每个类别商品，取10页数据
        for i in range(1, 10):
            url = 'https://s.1688.com/selloffer/rpc_async_render.jsonp?cps=1&n=y&filtOfferTags=279874&filt=y&keywords='+keywords+'&categoryId='+categoryId+'&n=y&uniqfield=pic_tag_id&templateConfigName=marketOfferresult&pageSize=60&asyncCount=60&async=true&enableAsync=true&rpcflag=new&_pageName_=market&callback=jQuery172015741463935213496_1555383468519&beginPage='+str(i)
            pid_list = spider(url)
            print(pid_list)
            time.sleep(random.randint(1, 3))
 
if __name__ == '__main__':
    main()

代码输出结果展示：