输入有向图的相关信息，使用Dijkstra算法，求源点到其余顶点的最短路径长度。 注意： （1）使用邻接矩阵存储图的信息 （2）按路径长度递增的次序产生最短路径并输出 若源点到某顶点无路径，则放在最后输出。如：0到1无路径。 输入说明： 第一行输入有向图的顶点数、边数 第二行输入各顶点的值 接下来的若干行，输入各边的信息。输入格式：起始顶点 终止顶点 权值 最后输入源点的值 输出说明： 输出源点到其余顶点的最短路径长度（其中的冒号为中文全角标点符号）

以下是Python的实现代码：

import sys

# 邻接矩阵存储图的信息
MAX_VALUE = sys.maxsize  # 表示两个节点之间没有边
graph = []
dist = []  # 存储源点到各个节点的最短路径长度
visited = []  # 存储节点的访问状态

# 读入有向图的信息
n, m = map(int, input().split())
nodes = input().split()
index = {nodes[i]: i for i in range(n)}
for i in range(n):
    row = [MAX_VALUE] * n
    row[i] = 0  # 自己到自己的距离为0
    graph.append(row)
for i in range(m):
    start, end, weight = input().split()
    start_index, end_index = index[start], index[end]
    graph[start_index][end_index] = int(weight)

# 读入源点的值
source = input()

# Dijkstra算法
# 初始化dist和visited数组
for i in range(n):
    dist.append(graph[index[source]][i])
    visited.append(False)
visited[index[source]] = True
for i in range(1, n):  # 遍历n-1个节点
    min_dist = MAX_VALUE
    min_index = -1
    # 找到未访问节点中距离源点最近的节点
    for j in range(n):
        if not visited[j] and dist[j] < min_dist:
            min_dist = dist[j]
            min_index = j
    if min_index == -1:  # 未找到可达节点
        break
    visited[min_index] = True
    # 更新源点到未访问节点的距离
    for j in range(n):
        if not visited[j] and dist[j] > dist[min_index] + graph[min_index][j]:
            dist[j] = dist[min_index] + graph[min_index][j]

# 按路径长度递增的次序产生最短路径并输出
for i in range(n):
    if dist[i] == MAX_VALUE:
        print(source + '到' + nodes[i] + '无路径')
    else:
        print(source + '到' + nodes[i] + '的最短路径长度为：' + str(dist[i]))

输入格式示例：

5 8
A B C D E
A B 10
A C 3
B C 1
B D 2
C B 4
C D 8
C E 2
D E 7
A

输出格式示例：

A到A的最短路径长度为：0
A到B的最短路径长度为：7
A到C的最短路径长度为：3
A到D的最短路径长度为：5
A到E的最短路径长度为：5