POI解析docx与doc文档中的难点归纳

最近需求是写一个将docx和doc解析后转换为json格式输入到json临时文件中的功能，然后前端读取json文件去渲染做到和文档内容一致，在这里归纳下难点，以及国内网站基本没有相关demo的点。

先说下docx和doc的区别吧，区别实际上就是一个好用而另一个反人类，现在创建一个新的文档，office都不会给你选择，直接默认docx，除非你另存为doc或者直接修改后缀，这样的原因是doc这种二进制存储的玩意过于反人类：
docx文件修改后缀为zip后解压，你可以在这个文件夹里面看到所有文档内容信息，样式，图片之类的，doc的话相同操作你啥都看不到。这样就导致你使用poi解析docx和doc的难易程度完全差得十万八千里。

另外poi用来解析doc的hwpf包也写的很乱，对比poi用来解析docx的xwpf包来说，xwpf包看底层会有方法说明，而且命名方式可以让你就算没有方法说明，大致也很容易看得懂这个方法用来干什么的，但是hwpf包就不一样，一堆枚举，方法也很凌乱，阿帕奇官网对于方法的说明几乎没有，再加上国内使用poi的本来就少，大多直接用阿里的poi-tl之类的，而且用poi解析文档的更是少之又少，大多资料都是解析excel的，少之又少里面大多又是解析docx的，doc的又是又是少之又少。希望自己接下来的一些补充能够在国内论坛里贡献一点资料吧（虽然很冷门，但是希望以后有和我做一样事情的程序员能少走点弯路）

最后因为我应届入职不久，代码可能比较稚嫩，希望能给你带来帮助，轻喷。

docx，doc的解析难点

首先我觉得比较偏门资料比较少的有五个：<