Reuni algumas expressões regulares úteis para trabalhar com HTML.

Encontra comentários HTML

<!--[\s\S]*?--[ \t\n\r]*>


Captura o atributo href de links

href[\s]*=[\s]*"[^\n"]*"


Encontra todos os atributos de uma tag. Ex: src, name, value.

(?:[\w]*) *= *"(?:(?:(?:(?:(?:\\\W)*\\\W)*[^"]*)\\\W)*[^"]*")
Testar


Encontra tags < h1 > até < h6 >

<h([1-6])>([^<]*)</h([1-6])>


Encontra tags <a> válidas

^<a[^>]*([^"]*)[^>]*>([ 0-9a-zA-Z]+)</a>$


Encontra todas as URL's de um texto

(http://|https://)([a-zA-Z0-9]+\.[a-zA-Z0-9\-]+|[a-zA-Z0-9\-]+)\.[a-zA-Z\.]{2,6}(/[a-zA-Z0-9\.\?=/#%&\+-]+|/|)


Encontra todas as imagens

<[iI][mM][gG][a-zA-Z0-9\s=".]*((src)=\s*(?:"([^"]*)"|'[^']*'))[a-zA-Z0-9\s=".]*/*>(?:</[iI][mM][gG]>)*


Encontra tudo que está entre as tags especificadas. Mais tags podem ser adicionadas

<(script|style)[^>]*?>(?:.|\n)*?</\s*\1\s*>


Útil para remover tags HTML

<[^>]*>


Encontra extensões de arquivos

\.([A-Za-z0-9]{2,5}($|\b\?))