至少有两种方法：
1、java.net.URL
把解析 " hdfs://localhost:9000:/user/liheyuan/xxx " 这种HDFS URL的解析器加到java.net.URL中，然后用传统Java的URL相关接口搞定。
import java.io.InputStream;
import java.net.URL;
import org.apache.hadoop.fs.FsUrlStreamHandlerFactory;
import org.apa[......]
推荐一篇很好的Apache POI文章：使用POI操作PPT文档
本代码的大部分内容参考自这里。
改进：多渲染了ppt背景颜色和ppt背景图片。
有时候，不得不承认。。。Java在做应用上还是很好的，可用的库太多了。
另：貌似ppt比pdf好解析多了，不知道ppt格式M$有没有申请专利，反正pptx已经能解析了。
package extract;
import java.awt.Color;
import java.awt.Dimension;
import java.aw[......]
转载并整理自：HttpClient Theading
简介
这篇文章概括了怎样在多线程环境下安全的使用HttpClient。
MultiThreadedHttpConnectionManager
在HttpClient中使用多线程的一个主要原因是可以一次执行多个方法。在执行期间，每一个方法都使用一个HttpConnection实例。由于在同一时间多个连接只能安全地用于单一线程和方法和有限的资源，我们就必须确保连接分配给正确的方法。而MultiThreadedHttpConnect[......]
1、安装依赖的库
需要安装bzip2和zlib
zlib很简单，yum搞定：
yum install zlib-devel
但是yum上的bzip2似乎不符合作者推荐的版本最低要求，所以手动安装吧……
wget http://www.bzip.org/1.0.5/bzip2-1.0.5.tar.gz
tar -xzvf bzip2-1.0.5.tar.gz
cd bzip2-1.0.5
make -f Makefile-libbz2_so
make in[......]