要想使用Lucene检索office文档（word、excel、ppt等）、PDF、HTML文档，通常的处理策略是先从这些文档中提取出纯文本，然后再进行相关索引处理等。
一、从office中提取纯文本
从office文件中提取纯文本，可以使用POI（http://poi.apache.org/），最新版本为3.8。从office文件中提取纯文本方法很简单。只需要两行代码即可。
POITextExtractor extractor = ExtractorFactory.createExtractor(is);
String c...