一个程序，构造哈夫曼树，输出对应的哈夫曼编码，并在此基础上设计一个主程序，输出以自己学号的每一位为一个权值的哈夫曼树的终结状态和哈夫曼编码

哈夫曼树（Huffman Tree），也称最优二叉树，是一种自底向上的贪心算法构建的最小带权路径长度的二叉树。它的基本步骤包括计算每个字符的频率、创建初始节点、合并频率最低的两个节点形成新的节点，直到所有字符都被纳入一棵树。

构建哈夫曼树的过程可以按照以下步骤实现：

1. **计算字符频率**：首先统计输入字符串中每个字符的出现次数。
2. **创建初始节点**：为每个字符创建一个节点，包含该字符及其频率。
3. **合并节点**：每次选取频率最低的两节点，合并成一个新的节点，新节点的频率为其子节点之和，然后将新节点插入到剩余节点的列表中。
4. **递归过程**：重复步骤3，直到只剩下一个节点，即为哈夫曼树的根。

对于给定的学号作为权值，我们可以将其看作是一个字符序列，然后应用上述步骤生成对应的哈夫曼树。哈夫曼编码则是从左至右遍历树的过程，遇到的是0则走左分支，是1则走右分支，最终形成的码字就是字符在树上的路径表示。

主程序的伪代码大致如下：

def build_huffman_tree(char_freq):
    # ... (这里实现上面提到的构建过程)
    
def huffman_encoding(text, tree):
    encoded_text = ""
    for char in text:
        encoded_text += huffman_decode_char(char, tree)  # 遍历文本，获取编码
    return encoded_text

def huffman_decode_char(char, tree):
    # ... (这里处理从树上读取编码的逻辑)

# 主程序
student_id = "123456"  # 示例学号
char_freq = {char: student_id.count(char) for char in set(student_id)}
huffmann_tree = build_huffman_tree(char_freq)
encoded_student_id = huffman_encoding(student_id, huffmann_tree)
print("Huffman Tree:", huffmann_tree)
print("Encoded Student ID:", encoded_student_id)