我正在JAVA8中的一个项目上，我想从目录或链接中获取HTML文件，并从文件中删除所有样式和脚本标签，然后返回剩余的内容。正在大量文件上反复执行此操作。
现在，这是我用来删除指定标签的两种不同的正则表达式模式。
//remove style tags and style tag content
update = update.replaceAll("<style\\b[^<]*(?:(?!</style>)<[^<]*)*</style>", "");
//remove script tags and script tag content
update = update.replaceAll("<script[\\s\\S]*?>[\\s\\S]*?</script>", "");
这可以工作一段时间，但是似乎偶尔我会遇到java.lang.StackOverflowError。
我相信当文件太大时会发生这种情况。我已经进行了一些研究，发现如果在模式中使用"|"会发生这种情况，因为此运算符使用的递归方式可能会占用大量内存，具体取决于遍历的级别数。
我已经设法在不同的测试文件上反复使用这些模式多达1000次。
我的问题是：有人看到这些模式会使用递归吗？还是任何暗示模式本身就是导致溢出的原因？
如果没有，也许我有办法将字符串减小到不会导致此重载的大小。
使用打印语句，似乎在尝试匹配模式时可能发生溢出：
"<script[\\s\\S]*?>[\\s\\S]*?</script>"
另外，有人告诉我可以改用它：
"<script[\\s\\S]+?>[\\s\\S]+?</script>"
因为目前为止还无法预测。此模式可在Regexr中使用，但一旦在JAVA应用程序中实现，则不会提供相同的输出。
这是我收到的堆栈跟踪：
Exception in thread "main" java.lang.StackOverflowError
at java.util.regex.Pattern$Curly.match0(Pattern.java:4252)
at java.util.regex.Pattern$Curly.match(Pattern.java:4236)
at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3800)
at java.util.regex.Pattern$Neg.match(Pattern.java:5099)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
at java.util.regex.Pattern$Loop.match(Pattern.java:4787)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
at java.util.regex.Pattern$Curly.match0(Pattern.java:4274)
我愿意接受任何建议。谢谢你。