2.3GB以上のXMLファイルの正規表現検索中にクラッシュする

江村様

いつもお世話になっております。
yasujiです。

2.3GB以上のXMLファイルを開いて［正規表現で検索する追加行数(L)］を合計行数に設定して、正規表現検索を行うと検索処理進捗の97%付近でクラッシュするクラッシュバグが発生する。回避する方法がない。

上記不具合の発生の再現手順は下記の通りです。

〔対象〕
v24.4.1 (64bit)
v24.4.901 (64bit)

〔使用環境〕
CPU : AMD Ryzen 9 3900X 12-Core Processor 3.80 GHz
RAM : 128 GB
OS : Windows 10 Pro 64bit 22H2 build 19045.5011
MB : ASUS PRIME X570-PRO

〔再現手順〕
０．事前準備
WikipediaのDatabase backup dumpsのファイルをダウンロードして、それぞれ展開する。展開のファイルサイズは、非常に大きいためディスクの空き容量に注意すること。
jawiki-20241020-abstract.xml.gz (file size: gz 260.8 MB, xml 2.3GB)
jawiki-20241020-pages-meta-current.xml.bz2 (file size: gz 4.7 GB, xml 21.9GB)

なお、上記のファイルは、2024/11/06時点ではダウンロードできるが、３カ月程度でローテーションするため、最新の日付のURLからダウンロードする必要がある。

１．EmEditor 64bit ポータブル版を初期状態で起動
　zipファイルから展開して、起動する。
　初回のエディション選択は、Professionalを選択する。

２．ファイルを開く
下記の（Ａ）、（Ｂ）のファイルについて、３．以降の手順を実行する。
（Ａ）０．のjawiki-20241020-abstract.xmlを開く。
（Ｂ）０．のjawiki-20241020-pages-meta-current.xmlを開く。

開く処理が終わるまで待つ。

３．検索を開いて、下記の通り設定する
［検索する文字列］
<[a-z]+>

〔チェックボックス〕
［大文字と小文字を区別する(C)］：ON
［一致する文字列を数える(U)］：ON
上記以外のチェックボックスすべて：OFF
〔ラジオボタン〕
［正規表現(X)］：ON

［高度］
　〔チェックボックス〕
　［CRとLFを区別する(T)］：ON
　［次を検索/前を検索で重ならない文字列のみ一致する(F)］：ON
　上記以外のチェックボックスすべて：OFF
　［正規表現エンジン(G)］：Onigmo.Perl
　［正規表現で検索する追加行数(L)］：20871119

　［正規表現で検索する追加行数(L)］は、開いているファイルの合計行数を設定する。
　ファイルごとの合計行数は下記の通り。
　（Ａ）20871119
　（Ｂ）307099309

４．[次を検索]を実行する

５．結果の確認
検索処理が完了する前にクラッシュし、クラッシュレポートが表示され強制終了になる。
３．の［正規表現エンジン(G)］が、 Boost.Regex の場合でも同じ事象が発生する（（Ａ）のファイルで確認済み）。

このクラッシュバグは、下記の条件２つを満たす場合に発生確率100%で検索処理進捗の97%付近で発生する。

（１）開くテキストファイルサイズが、2.3GB以上。
（２）［正規表現で検索する追加行数(L)］が、開いているテキストファイルの合計行数（ステータスバー右下表示）以上を設定（右下表示）

［正規表現エンジン(G)］が Onigmo.Perl, Boost.Regex 以外の検索エンジンについては試していない。

スレッド数を最小にすることで改善すると考えて、メインメニュー [ツール] -> [カスタマイズ] -> [高度]を開き、[スレッド数(N)]を 初期値(自動(24)) から 1 へ変更したが同様に発生する。