1. doc/docx
   (1)调用com组件，这种方式实现起来比较简单，使用jacob即可，见 http://danadler.com/jacob/，但其有以下局限性：
       *必须得运行在windows机器上
       *目前office提供的script功能有限，当word文档错误时，会弹出一些窗口
       *当多线程调用时，占用cpu很高，机器很容易down掉 最早解析word时，是采用的com，上线后没多久，因为不稳定，不可靠，就下线了
   (2)poi，见http://poi.apache.org，现在它对word的支持还很弱，用它来解析出txt还是可以的，转换为html就很难了
   (3)openoffice
    openoffice需要jre才能正常安装，所以首先需要安装jre，然后配置java的环境变量
    从http://zh.openoffice.org/new/zh_cn/downloads.html这里下载最新的rpm包
    

rpm -ivh *.rpm


    安装后，其服务默认是单进程但线程运行的，如果使用其默认的启动参数
    

soffice -headless "-accept=socket,host=localhost,port=18100;urp;StarOffice.ServiceManager" -nofirststartwizard &


       即使你启动多个进程，每个对应的port不同，最后soffice也只起了一个进程，但这个进程监听了多个端口，这样，其实还是单进程运行的 后来，参考了oooserver，见http://www.re.be/oooserver/index.xhtml，看了其源码后，发现启动时多加个参数，还是可以启动多个进程实例的
      

soffice -headless "-accept=socket,host=localhost,port=18100;urp;StarOffice.ServiceManager" -nofirststartwizard -env:UserInstallation=file:////tmp/ooo.1256104949540.8331950043461231013/ &


      多加了一个UserInstallation参数，该参数指定了安装目录，如果不加该参数，openoffice在启动时会检查是否已经存在了默认目录下对应的soffice的进程，如果存在，可能就不再启动新的实例了 多个进程起来后，需要自己实现一个process pool，控制协调各个进程，保证其同一个时刻只服务一个文档转换 目前，在服务器上起了5个进程，我们会根据日志情况，再来调整进程数目

2.xls
      之前也是只使用com组件，出现的问题同上
      现在，采用了poi + com来实现，先是用poi来解析，如果发现里面有嵌入组件、图片、图标等内容，则转交给com来出来，否则就由poi自己来解析
      使用poi的关键在于，自己要实现单元格合并的处理逻辑

3.pdf
     采用了xpdf工具，见http://www.foolabs.com/xpdf/，其能有效的处理中文，但现在只能parser出txt来