如何使用 pyspark 和 python 将二进制文件转换为平面文本

Question

我正在重新设计一个带有 pyspark 的 file.pdf 像这样

  from pyspark import SparkContext

  sc = SparkContext.getOrCreate()

  bFileRDD = sc.binaryFile("/data/file.pdf")
  fileList = bFileRDD.collect()
  # fileList is a list  with the following structure:
  # len(fileList) = 1
  # fileList[0][0] have the path of the file.pdf as a string
  # fileList[0][1] have the information as bytes (b'\x0a ... ')
  binaryData = fileList[0][1]

将 binaryData 转换为文本的最佳方法是什么，以获得类似 -> "Hello world!, this is a text in the PDF file ..." 的内容？

必须使用pyspark以二进制形式读取文件，然后将二进制信息转换为文本。