pythonスクレイピングでブログからURLを引っ張る

Question

ブログのサイトマップからURLをスクレイピングしたいです。
該当するブログはこちらです
https://yoka-leisure.com/sitemap.xml

import requests
from bs4 import BeautifulSoup

r = requests.get("https://yoka-leisure.com/sitemap.xml")

soup = BeautifulSoup(r.content, "html.parser")

#ニュース一覧のテキストのみ抽出
elems=soup.find_all("td",)
print(elems.get("href"))

#教えて欲しいこと
①スクレイピングのfind_allのあとに置くタグはどれをおけばよいかわからないので、ルールを教えて欲しいです。
ここではtdとしていますが、"a"はどうなのか？などルールがわかりません。

②この場合にはなんとコードを書けばいいのでしょうか

よろしくお願いします。

Answer 1

sitemap.xml は XML であり、HTML でないので、BeautifulSoup のパーサーには "xml" を指定してください。
XML を見ると、URL 一覧は、url タグ > loc タグ以下にあるとわかるので、以下のようにとってこれます。

import requests
from bs4 import BeautifulSoup

res = requests.get("https://yoka-leisure.com/sitemap.xml")

soup = BeautifulSoup(res.content, "xml")

urls = []
for url in soup.find_all("url"):
    urls.append(url.loc.string)
print(url)

Comments

[loveapple2002]

回答ありがとうございます。そもそもXMLというものとHTMLというものの理解ができていませんでした。
追加で伺いたいのですが、XMLはどこでみることができますか？
HTMLはGoogle　chromeの検証から見ることができています

[tiitoi]

右クリック → ページのソースを表示 で見れます。
検証で見れるのは、XML をブラウザで見やすいように HTML に変換したものなので、生の XML ではありません。

[loveapple2002]

ありがとうございます！見れました！
for url in soup.find_all("url"):
urls.append(url.loc.string)

この部分の urls.append(url.loc.string)がどういう意味か教えていただけますでしょうか
appendなのでurlsのリストに追加するという意味だとはおもうのですが

[tiitoi]

XML のソースを見るとわかりますが、URL は、
url タグの子要素 loc タグの値として入っています。
なので、url.loc で loc タグにアクセスし、.string 属性でその値である URL を取得して、リストに追加しています。

[loveapple2002]

ありがとうございます！