環境

Mint 19.10
Python 3.7.5

はじめに

cursesのgetch() を使った場合にUTF-8でエンコードしたときに日本語(マルチバイト文字)がうまく受け取れなかったので、処理部分を作った。

症状

例えば 'あ' と打った場合には、0xe3 0x81 0x82 の3バイトに分けて、3回分入力されてしまう。しかし、これでは都合が悪い。(本当にほしいのは0x3042)

原因

getch() は1バイトずつ入力を見るので、UTF-8では3バイト分ある日本語などを正しく受け取れない。ということで、UTF-8のエンコーダを自作してやる。

解決策

先頭バイトを見ると、その文字列が何バイトか確定するから、以下のように条件分岐させる。
※擬似コードです。stdscrの部分などは省いています。windowオブジェクトを適宜宣言してください

import curses

window = curses.stdscr()
key = window.getch()

# マルチバイト文字の加工
# 日本語だと3バイトだからプールする必要がある。先頭バイトを見て
# 残りのバイスと数が確定するからその処理を行う。
text_pool = [key]
if 0x00 <= key <= 0x7f:
     # 1B だから何もしなくていい
     # ascii 互換領域
     pass
elif 0x80 <= key <= 0xbf:
     # ここは2文字目以降のはずだから入ってきたらおかしい
     print(key)
     exit(1)
elif 0xc0 <= key <= 0xdf:
     # 2B ウムラウト付き文字とか
     text_pool.append(self.window.getch())
     # text_pool => [0dAAA, 0dBBB]
     # 110a aabb 10bb bbbb <= これが text_poolの中身(10進にしたもの)
     # 0b00000aaa bbbbbbbb を取り出してchar c = (char) (data[i] & 0xff);
     # 10進数にしてkeyに代入
     a, b = text_pool
     tmp = map(lambda x: bin(x)[2:], [0b00011111 & a, 0b00111111 & b])
     tmp = ''.join(item.zfill(6) for item in tmp)
     key = int(tmp,2)
elif 0xe0 <= key <= 0xef:
     # 3B 日本語はここ
     for _ in range(2):
         text_pool.append(self.window.getch())
         a, b, c = text_pool
         # 0b 1110xxxx 10xxyyyy 10yyyyyy
         # 0d a        b        c
         tmp = map(lambda x: bin(x)[2:], [0b00001111 & a, 0b00111111 & b, 0b00111111 & c])
         tmp = ''.join([item.zfill(6) for item in tmp])
         key = int(tmp,2)
elif 0xf0 <= key <= 0xff:
# 4B 見たことないけどバグ取り
     for _ in range(3):
         text_pool.append(self.window.getch())
         a, b, c ,d = text_pool
         # 11110xxx 10xxyyyy 10yyyyzz 10zzzzzz
         tmp = map(lambda x: bin(x)[2:], [0b00000111 & a, 0b00111111 & b, 0b00111111 & c, 0b00111111 & d])
         tmp = ''.join([item.zfill(6) for item in tmp])
         key = int(tmp,2)
else:
    #特殊キー
    pass


print(chr(key))

関連

マウスホイールの判定について
https://qiita.com/t4t5u0/items/ae6d25e05b7f7094330e

参考