我正在尝试编写一个搜索来查询我们运行 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（例如áéíóú），因为名字和姓氏都是用西班牙语写的，所以虽然正确的方法是Pérez，但为了便于搜索，可以写成Perez , 没有重音。
如果我使用'(cn=*Perez*)'，我只会得到非重音结果。
如果我使用'(cn=*Pérez*)'，我只会得到重音结果。
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结果，因为虽然结果同时包含 Perez 和 Pérez 出现，但我也会得到一些显然与查询...
在西班牙语中，这种情况经常发生......无论是懒惰，无论你想怎么称呼它，事实是对于这种事情，人们倾向于不写口音，因为它假定所有这些搜索都适用两种选择（我想既然谷歌允许这样做，每个人都认为它应该以这种方式工作）。
除了更新数据库并删除所有重音并在查询中修剪它们...您能想到其他解决方案吗？
【问题讨论】：
你有你的 ~ 和 = 上面交换。应该是 (cn~=Perez)。我仍然不知道这将如何运作。 Soundex 一直很奇怪。由于许多属性是多值的，包括 cn 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。当你需要它时，你至少会拥有原始价值。您还可以得到真正的花哨并在转换后的值前面加上一些东西，然后使用 valuesReturnFilter 从结果中过滤掉它。
#Sample object
dn:cn=Pérez,ou=x,dc=y
cn:Pérez
cn:{stripped}Perez
sn:Pérez
#etc.
然后修改您的查询以使用 or 表达式。
(|(cn=Pérez)(cn={stripped}Perez))
你会包含一个看起来像的 valuesReturnFilter
(!(cn={stripped}*))
有关详细信息，请参阅 RFC3876 http://www.networksorcery.com/enp/rfc/rfc3876.txt。添加请求控件的方法因您用于访问目录的平台/库而异。
【讨论】：
搜索过滤器（“查询”）由RFC2254 指定。
编码：
RFC2254
实际上需要过滤器（间接定义）是
OCTET STRING，即 ASCII 8 字节字符串：
AttributeValue 是八位字节字符串，
MatchingRuleId
和AttributeDescription
是 LDAPString，LDAPString is an OCTET STRING。
转义标准：使用“
规则确保整个过滤器字符串是 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 的语法给出了一个列表），并使用通配符 (*) 进行正则表达式替换非 ASCII 字符以确保。这也将帮助您处理诸如“é”之类的字符。
【讨论】：