[Espressioni Regolari] Parsing dei tag html

[PaTeR non PeTeR]

Ciao a tutti, sono un pò arrugginito con le pcre, potreste aiutarmi a costruirne una che mi trovi la parte contenuta nei tag di apertura html?

Esempio:

clicca qui <span style="color:white">ciao <hr /></span>

Mi dovrebbe tornare:

b
a href="#"
span style="color:white"

tralasciando quindi quelli di chiusura e quelli singoli ( come l'hr ).

Ho provato con questa:

#<([a-z]+)(?: .*)?(?<![/|/ ])>#U

ma mi torna solo la parte iniziale dei tag... fa parte di uno script originale che devo modificare.

Qualche idea?

[k.b]

Per ora il meglio che mi e' venuto in mente e':

preg_match_all("#<(?!/)([^>]+)(?<!/)>#", $string, $match);

ma non so in quanti casi possa fallire. Ad esempio, non so se' e' legale in html, ma un tag come <hr / > (con lo spazio tra lo slash e il >) non viene trovato da quel pattern (e non e' immediato sistemarlo visto che il negative lookbehind richiede un pattern di lunghezza fissa senza ripetitori).

Comunque il parsing html non e' esattamente banale.

[buribus]

"<\w+\s*([^>]*[^\/>]){0,1}>"; // i.e.

...
"<\/\w+\s*[^>]*>"; // i.e. </p> ...
"<\w+\s*[^>]*\/>"; // i.e.
<img /> ...
"<\w+\s*[^>]*$"; // i.e. <img src=""

forse c'è da migliorare qualcosa anche quì