之前研究了通过使用Apache poi的WordExtractor来读取word的内容，在使用WordExtractor读文件时我们只能读到文件的文本内容和基于文档的一些属性，至于文档内容的属性等是无法读到的。如果要读到文档内容的属性则需要使用HWPFDocument来读取了。

先看一下官网关于HWPF的介绍：

Apache poi的hwpf模块是专门用来对word doc文件进行读写操作的。在hwpf里面我们使用 HWPFDocument 来表示一个word doc文档。在HWPFDocument里面有这么几个概念：

Range ：它表示一个范围，这个范围可以是整个文档，也可以是里面的某一小节（Section），也可以是某一个段落（ Paragraph ），还可以是拥有共同属性的一段文本（CharacterRun）。

Section ：word文档的一个小节，一个word文档可以由多个小节构成。

Paragraph ：word文档的一个段落，一个小节可以由多个段落构成。

CharacterRun ：具有相同属性的一段文本，一个段落可以由多个CharacterRun组成。

Table ：一个表格。

TableRow ：表格对应的行。

TableCell ：表格对应的单元格。

Section、Paragraph、CharacterRun和Table都继承自Range。

HWPFDocument是当前Word文档的代表，它的功能比WordExtractor要强。通过它我们可以读取文档中的表格、列表等，还可以对文档的内容进行新增、修改和删除操作。只是在进行完这些新增、修改和删除后相关信息是保存在HWPFDocument中的，也就是说我们改变的是HWPFDocument，而不是磁盘上的文件。如果要使这些修改生效的话，我们可以调用HWPFDocument的write方法把修改后的HWPFDocument输出到指定的输出流中。这可以是原文件的输出流，也可以是新文件的输出流（相当于另存为）或其它输出流。

在实际的操作过程中，我们使用Apache poi 一般是完成对word的读取工作以及简单的内容组装和替换工作（比如替换模板中的内容等），而如果要对word进行更加复杂的操作，比如改变样式，在线编辑保存等，一般是使用其他技术，比如jacob。就是说使用poi操作word有一定的局限性，实际的使用可能是使用其他的技术或者是几种技术结合使用的。

使用poi需要引入相关的jar，本例使用的jar有：poi-3.10-FINAL-20140208.jar、poi-scratchpad-3.10-FINAL-20140208.jar。总之，使用poi操作excel和word常用的jar有：

待读取的word文件为：11.doc，内容如下：

示例代码：

本例使用junit进行测试，Run as Junit Test，结果为：

以上即为使用poi的HWPFDocument读取word内容的方式。值得一提的是，本例操作的是03版的word，即 doc文件 ，使用的类位于HWPF包下，而操作07版word，即 docx 文件使用的类位于XWPF包下，这和操作excel的HSSF和XSSF相似。