1、 读取word用了tm-extractors-0.4.jar包，代码如下：
2、 只是从网上随便下载的一个文档，我们可以看出，虽然能读取，但是格式的效果并不佳，而且只能读取doc，不能读取docx格式，也不能读取doc里的图片。另外就是加入使用WPF打开过这个doc的话，将无法再次读取（对于只安装WPF的我简直是个灾难）
然后是用jxl读取excel的代码，这个代码不是很齐，就写了个解析的，将excel里每行每列都解析了出来，然后自己可以重新再编辑，代码如下：
3、 众所周知的是doc是03及之前版本word所保存的格式，docx是07版本之后保存的格式，简单的说，在doc中，微软还是用二进制存储方式；在docx中微软开始用xml方式，docx实际上成了一个打包的ZIP压缩文件。doc解压得到的是没有扩展名的文件碎片，而docx解压可以得到一个XML和几个包含信息的文件夹。两者比较的结论就是docx更小，而且要读取图片更容易。（参考http://www.zhihu.com/question/21547795）
好吧，回到正题。如何才能解析各种word，excel等能保留原来格式并且解析里面的图片，表格或附件等内容呢。那当然就是html了！不得不承认html对于页面，表格等展示的效果确是是很强大的，原生很难写出这样的效果。在网上找了诸多的资料，以及各个大神的代码，自己又再此基础上修改了下，实现的效果还不错吧。
利用的包是POI（一堆很强大的包，可以解析几乎所有的office软件，这里以doc，docx，xls，xlsx为例）
读取文件后根据不同文件类型分别进行操作。
4、然后是读取doc：
5、读取docx
