我需要匹配所有这些开始标签：
<p>
<a href="foo">
但不是这些：
<br />
<hr class="foo" />
我想出了这个并想确保我做对了。我只捕获a-z。
<([a-z]+) *[^/]*?>
我相信它说：
/，然后我有这个权利吗？更重要的是，你怎么看？
【问题讨论】：
正如许多人已经指出的那样，HTML 不是一种常规语言，因此很难解析。我对此的解决方案是使用整洁的程序将其转换为常规语言，然后使用 XML 解析器来使用结果。有很多很好的选择。我的程序是使用带有jtidy 库的Java 编写的，用于将HTML 转换为XML，然后将Jaxen 转换为xpath 为结果。
【讨论】：
虽然您无法使用正则表达式解析 HTML 的答案是正确的，但它们并不适用于此。 OP 只想用正则表达式解析一个 HTML 标记，而这可以通过正则表达式完成。
建议的正则表达式是错误的：
<([a-z]+) *[^/]*?>
如果你在正则表达式中添加一些东西，通过回溯可以强制它匹配愚蠢的东西，比如<a >>，[^/] 太宽松了。还要注意<space>*[^/]* 是多余的，因为[^/]* 也可以匹配空格。
我的建议是
<([a-z]+)[^>]*(?<!/)>
(?<! ... ) 是（在 Perl 正则表达式中）否定的后视。它读作“一个的东西，最后一个可能不是/，然后是>”。
请注意，这允许 <a/ > 之类的内容（就像原始的正则表达式一样），因此如果您想要更严格的内容，您需要构建一个正则表达式来匹配由空格分隔的属性对。
【讨论】：
> 字符，它也将无法正常工作。我同意 OP 的建议 可以 用正则表达式来完成，但这里介绍的过于简单化了。
<h1> 标签想和你说一句话（我知道，很容易修复，但仍然如此）...
试试：
<([^\s]+)(\s[^>]*?)?(?<!/)>
和你的类似，但最后一个&gt;不能在斜线之后，也接受h1。
【讨论】：
&gt; 在属性值中有效。事实上，在“规范 XML”序列化中，您不能使用 &gt;。 （这并不完全相关，只是要强调属性值中的&gt; 一点也不稀奇。）
<div title="this tag is a <div></div>">hello</div>
&gt; 不必在属性值中转义，但 < 可以。所以这将是有效的 HTML：<div title="this tag is a &lt;div>&lt;/div>">hello</div>
我不知道您对此的确切需求，但如果您也在使用 .NET，您不能使用 Html Agility Pack 吗？
摘录：
这是一个 .NET 代码库，允许 您解析“网络之外”的 HTML 文件。解析器非常宽容 使用“真实世界”格式错误的 HTML。
【讨论】：
我之前使用了一个名为HTMLParser 的开源工具。它旨在以各种方式解析 HTML 并很好地服务于目的。它可以将 HTML 解析为不同的树节点，您可以轻松地使用它的 API 从节点中获取属性。检查一下，看看这是否对您有帮助。
【讨论】：
在我看来，您正在尝试匹配末尾没有“/”的标签。试试这个：
<([a-zA-Z][a-zA-Z0-9]*)[^>]*(?<!/)>
【讨论】：
<?php
$selfClosing = explode(',', 'area,base,basefont,br,col,frame,hr,img,input,isindex,link,meta,param,embed');
$html = '
<p><a href="#">foo</a></p>
<hr/>
<br/>
<div>name</div>';
$dom = new DOMDocument();
$dom->loadHTML($html);
$els = $dom->getElementsByTagName('*');
foreach ( $els as $el ) {
$nodeName = strtolower($el->nodeName);
if ( !in_array( $nodeName, $selfClosing ) ) {
var_dump( $nodeName );
}
}
输出：
string(4) "html"
string(4) "body"
string(1) "p"
string(1) "a"
string(3) "div"
基本上只定义自闭的元素节点名称，将整个 html 字符串加载到 DOM 库中，抓取所有元素，循环并过滤掉非自闭的元素并对其进行操作。
我相信你现在已经知道你不应该为此使用正则表达式。
【讨论】：
NS 并指定命名空间。