使用openldap进行近似搜索

我正在尝试编写一个搜索，查询运行openldap的目录服务器

用户将使用他们感兴趣的人的名字或姓氏进行搜索

我发现重音字符有问题（比如

áíóú

），因为名字和姓氏都是用西班牙语写的，所以正确的方法是

pérez

，为了便于搜索，它可以写为

Perez

，而不带重音

如果我使用

”（cn=*Perez*）”

我只得到非重音的结果

如果我使用

”（cn=*pérez*）”

我只会得到强调的结果

如果我使用

'（cn=~Perez）

我会得到奇怪的结果（或者至少没有我可以使用的东西，因为虽然结果同时包含

Perez

和

pérez

两个实例，但我也会得到一些显然与查询无关的结果

在西班牙语中，这种情况经常发生……不管是懒散，不管你想叫它什么，事实是，对于这种事情，人们往往不写重音，因为假设所有这些搜索都可以同时使用这两种选项（我猜，既然谷歌允许，每个人都认为它应该是这样工作的）

---

除了更新数据库、删除所有重音符号并在查询中修剪它们之外……你能想出另一种解决方案吗？

你的~和=在上面进行了交换。应该是（cn~=Perez）。我仍然不知道这会有多好。Soundex一直都很奇怪。因为许多属性都是多值的，包括cn，所以您可以在属性上存储第二个值，该属性将扩展字符转换为其基本版本。您至少可以在需要时保留原始值。您还可以设置并在转换后的值前面加上前缀，然后使用valuesReturnFilter将其从结果中过滤出来

#Sample object
dn:cn=Pérez,ou=x,dc=y
cn:Pérez
cn:{stripped}Perez
sn:Pérez
#etc.

然后修改查询以使用or表达式

(|(cn=Pérez)(cn={stripped}Perez))

您将包括一个valuesReturnFilter，它看起来像

(!(cn={stripped}*))

有关详细信息，请参阅RFC3876。添加请求控件的方法因用于访问目录的平台/库而异。

搜索筛选器（“查询”）由指定

编码： 实际上要求过滤器（间接定义）是 ，即ASCII 8字节字符串： 是八进制字符串， 和
是LDAPString，LDAPString是一个八位组字符串。

转义标准：使用“\”替换特殊字符 （，示例）。 引述：

该规则确保整个筛选器字符串为 有效的UTF-8字符串，并提供表示 ASCII字符“*”（ASCII 0x2a），“（“（ASCII 0x28），”）”（ASCII 0x29）、“\”（ASCII 0x5c）和NUL（ASCII 0x00）是 表示为反斜杠“\”（ASCII 0x5c），后跟两个十六进制数字 表示编码的八位字节的值。

---

此外，您可能应该替换所有在语义上修改过滤器的字符（RFC 4515的语法提供了一个列表），并用通配符（*）替换非ASCII字符的正则表达式（Regex）。这也将帮助您处理诸如“é”之类的字符。

因此，对于字符串，~=指定基于Soundex（）的匹配？