从pdf转成的文本抽取段落和信息过滤

#文本过滤
我有从pdf转成的txt的文本，这些都是一些学术论文。里面有好多公式，还有很多figure.
我想对文本中的那些无关信息进行过滤，附图如下。同时还想请教有没有做过相关的pdf上面段落抽取工作的大神，希望能指点一二，不胜感激。

你有txt版本的话就下载一个超级记事本,然后用超级记事本打开,把不想要的删除就行了,最后在超级记事本上有个打印机,你点击一下打印机,然后跟着提示走,
就能打印出一份你改后的PDF文件了；

如果回答对您有帮助,请采纳

可以用itext这个库抽取文本，或者使用pdf2text这个软件，它支持从命令行调用。

主要是要作大量文本的处理，人工的话太费事。pdf到txt好转， 主要是如何把公式和图表这些杂乱的信息去除。同时又没有巧妙的办法（希望是用正则表达式）得到段落。