在Spark中，可以通过使用textFile方法读取文本文件，并保留分区顺序。以下是一个示例：

from pyspark import SparkContext

# 创建SparkContext
sc = SparkContext("local", "TextFileWithPartitionOrder")

# 读取文本文件，并保留分区顺序
rdd = sc.textFile("path/to/text/files", minPartitions=4)

# 获取分区索引
def get_partition_index(index, iterator):
    for _, line in iterator:
        yield (index, line)

# 使用分区索引对RDD重新分区
new_rdd = rdd.mapPartitionsWithIndex(get_partition_index).repartitionAndSortWithinPartitions(4)

# 输出结果
result = new_rdd.collect()
for partition, line in result:
    print(f"Partition {partition}: {line}")

# 关闭SparkContext
sc.stop()

在上述示例中，我们首先使用textFile方法读取文本文件，并通过指定minPartitions参数来设置分区数。然后，我们定义了一个get_partition_index函数，该函数接收分区索引和迭代器作为参数，将分区索引与每行数据一起返回。接下来，我们使用mapPartitionsWithIndex方法将分区索引与每行数据一起映射到新的RDD中。最后，我们使用repartitionAndSortWithinPartitions方法对RDD进行重新分区和排序，以保留分区顺序。最终，我们使用collect方法将结果收集并打印出来。

请注意，repartitionAndSortWithinPartitions方法可以根据需要进行排序，以保留原始分区顺序。如果不需要排序，可以使用repartition方法代替。

这是一个基本的示例，您可以根据自己的需求进行修改和扩展。