活跃的煤矿打工人 2024-02-04 10:16 采纳率: 50%
浏览 5
已结题

求Python + LDAP 的groupOfUniqueNames 文档

有没有人使用Python + LDAP 创建 groupOfUniqueNames 的文档。求个资料

  • 写回答

3条回答 默认 最新

  • 专家-赤兔[在线] 全栈领域优质创作者 2024-02-04 10:18
    关注

    引自免费微信小程序:皆我百晓生

    在使用Python操作LDAP(轻量级目录访问协议)时,创建groupOfUniqueNames类型的组对象是一项常见的任务。groupOfUniqueNames是LDAP中的一种对象类,用于表示一组唯一的成员DN(Distinguished Name)。

    以下是一个示例,演示如何使用python-ldap库来创建一个groupOfUniqueNames类型的组:

    from ldap3 import Server, Connection, ALL, MODIFY_ADD
    
    # 设置LDAP服务器信息
    server = Server('ldap.example.com', port=389, get_info=ALL)
    
    # 建立连接(请替换为有效的用户名和密码)
    conn = Connection(server, user='cn=admin,dc=example,dc=com', password='your_password', auto_bind=True)
    
    # 定义要创建的组的基本DN以及其属性
    group_dn = 'cn=my_group,ou=groups,dc=example,dc=com'
    group_attributes = {
        'objectClass': ['top', 'groupOfUniqueNames'],
        'cn': ['my_group'],
        'uniqueMember': ['uid=john.doe,ou=users,dc=example,dc=com', 'uid=jane.doe,ou=users,dc=example,dc=com']
    }
    
    # 创建组
    conn.add(group_dn, attributes=group_attributes)
    
    # 确保成功执行并关闭连接
    if conn.result['result'] == 0:
        print("Group 'my_group' created successfully.")
    else:
        print("Failed to create group: ", conn.result['description'])
    
    conn.unbind()
    

    请注意,在实际应用中,你需要将上述代码中的服务器地址、管理员凭据以及用户DN替换为你自己的环境配置。

    官方文档参考: 虽然没有专门针对创建groupOfUniqueNames的Python+LDAP文档,但你可以查阅python-ldap库的官方文档以了解更多关于添加和修改LDAP对象的方法:

    • python-ldap官方文档:https://www.python-ldap.org/en/latest/

    同时,对于groupOfUniqueNames的具体结构和用法,可以参考RFC 4519标准或者LDAP相关教程:

    • RFC 4519: https://tools.ietf.org/html/rfc4519 (查看其中对groupOfUniqueNames的定义)
    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
    1人已打赏
查看更多回答(2条)

报告相同问题?

问题事件

  • 系统已结题 2月12日
  • 已采纳回答 2月4日
  • 创建了问题 2月4日

悬赏问题

  • ¥15 Vue3 大型图片数据拖动排序
  • ¥15 划分vlan后不通了
  • ¥15 GDI处理通道视频时总是带有白色锯齿
  • ¥20 用雷电模拟器安装百达屋apk一直闪退
  • ¥15 算能科技20240506咨询(拒绝大模型回答)
  • ¥15 自适应 AR 模型 参数估计Matlab程序
  • ¥100 角动量包络面如何用MATLAB绘制
  • ¥15 merge函数占用内存过大
  • ¥15 使用EMD去噪处理RML2016数据集时候的原理
  • ¥15 神经网络预测均方误差很小 但是图像上看着差别太大