Apache POI 是一个开源项目，专门用于处理Microsoft Office格式的文件，如Word、Excel和PowerPoint。在Java环境中，如果你需要解析Word文档，Apache POI库是不可或缺的工具。"poi-3.5-beta6-20090622.jar"是Apache POI的一个早期版本，尽管现在已经有了更新的版本，但这个版本仍然可以用来理解基本的POI工作原理。
Apache POI库主要由以下几个组件构成：
1. **HSSF**: 这是处理Microsoft Excel（.xls）文件的组件。它允许读取和写入老版的BIFF8格式Excel文件。
2. **XSSF**: 用于处理Microsoft Excel 2007引入的新XML格式（.xlsx）文件。
3. **HWPF**: 这就是我们关注的部分，用于处理Microsoft Word（.doc）文件。它可以读取和写入Word文档，虽然功能可能不如Excel那样强大。
4. **HDGF**: 用于处理Microsoft Visio（.vsd）文件。
5. **HSLF**: 处理PowerPoint（.ppt）文件。
6. **HPBF**: 处理Publisher文件。
在解析Word文档时，我们需要使用HWPF（Horrible Word Processor Format）。以下是一些使用Apache POI解析Word文档的基本步骤：
1. **导入必要的库**: 你需要在你的Java项目中引入Apache POI库，包括上述提到的"poi-3.5-beta6-20090622.jar"。现代项目中，通常会使用Maven或Gradle来管理依赖。
2. **创建Document对象**: 使用`HWPFDocument`类来加载Word文档。例如：
```java
FileInputStream fis = new FileInputStream("path_to_your_file.doc");
HWPFDocument doc = new HWPFDocument(fis);
```
3. **获取段落和表格**: `HWPFDocument`对象提供了访问文档内容的方法，例如`getParagraphs()`可以获取所有段落，`getTables()`则可以获取所有表格。
4. **处理段落**: 段落通过`Paragraph`对象表示，你可以获取段落文本、样式等信息。
```java
for (int i = 0; i < doc.getParagraphCount(); i++) {
Paragraph para = doc.getParagraph(i);
String text = para.getText();
// 处理文本...
}
```
5. **处理表格**: 表格通过`Table`对象表示，你可以获取行、列和单元格的数据。
```java
for (int i = 0; i < doc.getTableCount(); i++) {
Table table = doc.getTable(i);
for (int j = 0; j < table.getRowCount(); j++) {
Row row = table.getRow(j);
for (int k = 0; k < row.getNCols(); k++) {
Cell cell = row.getCell(k);
String cellText = cell.getContents();
// 处理单元格数据...
}
}
}
```
6. **写入操作**: 如果需要修改或创建新的Word文档，你可以使用`Document`的`createParagraph()`和`createTable()`方法。
7. **关闭资源**: 记得在处理完文档后关闭流。
```java
fis.close();
```
除了基本的读取和写入，Apache POI还支持更复杂的操作，比如样式控制、图片处理、复杂表格处理等。不过，由于HWPF对Word文档的支持相对有限，对于一些高级特性，可能不如使用Microsoft Office的COM接口或者更新的OpenXML SDK来得方便。
在实际应用中，建议使用最新版本的Apache POI，因为旧版本可能存在已知的问题和安全漏洞。此外，如果你在处理的是Word 2007及以后版本的`.docx`文件，应使用`XWPFDocument`类，因为`.docx`是基于XML的Open XML格式，与`.doc`的二进制格式不同。
解析word jar.zip （8个子文件） 
解析word jar 
poi-ooxml-3.5-beta6-20090622.jar 349KB
