Mit den Zeilen darunter hatte ich das Gefühl, dass der Informationsgehalt recht hoch ist:
Die Zeilen darunter habe ich auch verstanden, sonst hätte ich den Ansatz nicht aufgestellt. Hast Du ihn mal getestet?
... und da kann eine Menge html Zeug drin stehn.
[A-Za-z0-9]+ hört sich nicht so an als würde es auf viel html matchen.