Python 集合上的迭代顺序

我正在解析两个大文件（GB 大小顺序），每个文件包含keys以及对应的values. Some keys在两个文件之间共享，但对应的不同values。 对于每个文件，我想写入一个新文件keys*以及对应的values, with keys*代表 file1 和 file2 中都存在的键。我不在乎key输出中的顺序，但两个文件中的顺序绝对应该相同。

File 1:

key1
value1-1
key2
value1-2
key3
value1-3

File2:

key1
value2-1
key5
value2-5
key2
value2-2

有效的输出将是：

解析文件1：

key1
value1-1
key2
value1-2

解析文件2：

key1
value2-1
key2
value2-2

另一个有效的输出：

解析文件1：

key2
value1-2
key1
value1-1

解析文件2：

key2
value2-2
key1
value2-1

An invalid输出（文件 1 和文件 2 中的键顺序不同）：

解析文件1：

key2
value1-2
key1
value1-1

解析文件2：

key1
value2-1
key2
value2-2

最后一个精度是值的大小远远大于键的大小。

我想做的是：

• 对于每个输入文件，解析并返回一个dict（我们称之为file_index），其中的键对应于文件中的键，值对应于在输入文件中找到该键的偏移量。

• 计算交集

  good_keys = file1_index.viewkeys() & file2_index.viewkeys()
  

• 做类似（伪代码）的事情：

  for each file:
      for good_key in good_keys:
          offset = file_index[good_key]
          go to offset in input_file
          get corresponding value
          write (key, value) to output file
  

迭代同一个集合是否能保证我具有完全相同的顺序（前提是它is相同的集合：我不会在两次迭代之间修改它），或者我应该先将集合转换为列表，然后迭代列表？

Python 的字典和集合是稳定的，也就是说，如果你迭代它们而不改变它们，它们保证给你相同的顺序。这是来自字典文档 https://docs.python.org/2/library/stdtypes.html#mapping-types-dict:

键和值以任意顺序迭代，该顺序不是随机的，在不同的 Python 实现中有所不同，并且取决于字典的插入和删除历史记录。如果对键、值和项目视图进行迭代而不对字典进行任何修改，则项目的顺序将直接对应。