Pythonで正規表現を使って似たような文字列を複数個取得する際に、それを取得した場所によって場合分けを行うことができるのかどうか

Question

※まずタイトルがこれでいいのかどうか不安なので、もしこのタイトルよりもこの質問に適切だと思われるタイトルがございましたらそれについてもコメントいただけると嬉しいです。

前提・実現したいこと

とあるゲームの棋譜からデータを抽出しようとしています。
変数textに格納された文字列から「occupation "〇〇"」の部分の〇〇を正規表現を用いてプレイヤーごとにリストの形式で取り出そうとしているのですがうまくいきません。この問題の解決に力を貸していただけると助かります。

text = '''
<table>
 <tr>
  <td>3</td>                            # 3ターン目（ここから先のコメントは全て実際のtextには含まれておりません。）
  <td>...</td>                          # player1
  <td>occupation "Clay Seller"</td>     # player2
  <td>...</td>                          # player3
 </tr>
 <tr>
  <td>2</td>                            # 2ターン目
  <td>occupation "Field Watchman"</td>  # player1
  <td>occupation "Tutor"</td>           # player2
  <td>...</td>                          # player3
 </tr>
 <tr>
  <td>1</td>                            # 1ターン目
  <td>...</td>                          # player1
  <td>occupation "Cook"</td>            # player2
  <td>...</td>                          # player3
 </tr>
</table>
'''

# 望んでいる結果：
player1 = [Field Watchman]
player2 = [Clay Seller, Tutor, Cook]
player3 = []

試したこと・発生している問題

player1 = []
try:
    for a in range(1,4):
        player1_regex = re.compile(r'''
            (<tr>.*?){%s}
                # {}内に変数aを入れて、occupation\s"(.*?)"までにある
                # (<tr>.*?)の個数でターン数を管理し、
                # forループで各ターンから「occupation "〇〇"」を抽出していこうとしている
            (<td>.*?</td>.*?){1}
                # 何ターン目かが書いてある行から、「occupation "(.*?)"」までの間にある
                # (<td>.*?</td>.*?)の個数で何番目のプレイヤーが選択した行動かを判別しようとした
            occupation\s"(.*?)"
            ''' % a, re.VERBOSE | re.DOTALL)
        player1.append(player1_regex.search(text).group(3))
except AttributeError:    # 例外処理でマッチしなかった場合（<td>...</td>となっている部分が該当する時）にエラーが出ないようにした。
    pass
print(player1)
# ['Clay Seller', 'Field Watchman', 'Cook']

player2 = []
try:
    for b in range(1,4):
        player2_regex = re.compile(r'''
            (<tr>.*?){%s}
            (<td>.*?</td>.*?){2}
            occupation\s"(.*?)"
            ''' % b, re.VERBOSE | re.DOTALL)
        player2.append(player2_regex.search(text).group(3))
except AttributeError:
    pass
print(player2)
# ['Clay Seller', 'Tutor', 'Cook']

player3 = []
try:
    for c in range(1,4):
        player3_regex = re.compile(r'''
            (<tr>.*?){%s}
            (<td>.*?</td>.*?){3}
            occupation\s"(.*?)"
            ''' % c, re.VERBOSE | re.DOTALL)
        player3.append(player3_regex.search(text).group(3))
except AttributeError:
    pass
print(player3)
# ['Field Watchman', 'Cook']

上記コードで試しましたが、結果は期待したものとは違っていました。
これがうまくいかない理由は、{}は直前のグループの内容を管理するものではあるが
それ以降の正規表現に影響を与えるものではないからだと分かりました。

次はこのように試しました。

player1 = []
try:
    player1_r1 = re.compile(r'''
        <tr>.*?
        <td>.*?</td>.*?
        occupation\s"(.*?)"
        ''', re.VERBOSE | re.DOTALL)
    player1.append(player1_r1.search(text).group(1))
    player1_r2 = re.compile(r'''
        <tr>.*?<tr>.*?
        <td>.*?</td>.*?
        occupation\s"(.*?)"
        ''', re.VERBOSE | re.DOTALL)
    player1.append(player1_r2.search(text).group(1))
    player1_r3 = re.compile(r'''
        <tr>.*?<tr>.*?<tr>.*?
        <td>.*?</td>.*?
        occupation\s"(.*?)"
        ''', re.VERBOSE | re.DOTALL)
    player1.append(player1_r3.search(text).group(1))
except AttributeError:
    pass
print(player1)
# ['Clay Seller', 'Field Watchman', 'Cook']

長いので、player1の分だけ載せました。
{}を使わずに「<tr>.?」をそのまま連ねることで「<tr>.?」の個数を指定して
3ターン目...該当無し...実際はClay Sellerを取得しちゃってる
2ターン目...Field Watchman...予定通りField Watchmanを取得
1ターン目...該当無し...実際はCookを取得
思い通りに動かない理由は、「<tr>.?」1つ連ねただけだと、これが1つ以上ある時はいつでもマッチしてしまうからです。
「<tr>.?<tr>.?」なら、「<tr>.?」が2つ以上ある時はマッチする。

では、どうすれば「<tr>.*?」がtextの最初から数えて1つしかない場合にしかマッチしないようにしたりするのでしょうか？
正規表現を使ったもの以外でもよいので、何か方法があれば教えてくださると助かります。
よろしくお願いします。

Answer 1

pandas 使って２次元テーブルのまま処理したほうが簡単な気がしますが、駄目でしょうかね？

import pandas as pd
import io

text = '''
<table>
 <tr>
  <td>3</td>
  <td>...</td>
  <td>occupation "Clay Seller"</td>
  <td>...</td>
 </tr>
 <tr>
  <td>2</td>
  <td>occupation "Field Watchman"</td>
  <td>occupation "Tutor"</td>
  <td>...</td>
 </tr>
 <tr>
  <td>1</td>
  <td>...</td>
  <td>occupation "Cook"</td>
  <td>...</td>
 </tr></table>
'''

df = pd.read_html(io.StringIO(text))[0]
df.columns = ['ターン','Player1','Player2','Player3']
# Player1～Player3の列に対して正規表現を実施
for col in ['Player1','Player2','Player3']:
    df[col] = df[col].str.extract(r'occupation\s"(.*)"')
print(df)
#   ターン         Player1      Player2 Player3
#0    3             NaN  Clay Seller     NaN
#1    2  Field Watchman        Tutor     NaN
#2    1             NaN         Cook     NaN

# Player1 を表示
print(df['Player1'].dropna().values)
#['Field Watchman']
# Player2 を表示
print(df['Player2'].dropna().values)
#['Clay Seller' 'Tutor' 'Cook']
# Player3 を表示
print(df['Player3'].dropna().values)
#[]

Comments

[nsmt]

教えていただいたコードを入れてみたところ望んでいたリストを得ることができました。
何を勉強すればこの問題を解決できるのかさえ分からなかったので、本当に助かりました。
今からpandasについて学び、似たような問題で躓かないようにします！
本当にありがとうございました。

Answer 2

Python は分からないのですが, 正規表現を使わなくても宜しいのでしたら, 一行ずつ読んで状況に応じて取り込めばいいだけではないでしょうか.

Comments

[nsmt]

そういった方法もあるかもしれないのですね。
既に別の方が回答してくださった内容で問題は解決できましたが、今後のためにその方法での解決法も模索してみます。
解答してくださり本当にありがとうございました！