给定一个有向图,输出SCC的数量

SCC（强连通分量）是指有向图中的一个极大强连通子图，即该子图内的任意两个节点都是强连通的，且该子图不是任何更大强连通子图的真子集。

求解SCC的数量可以使用Kosaraju算法或Tarjan算法，它们的时间复杂度均为O(V+E)，其中V为节点数，E为边数。

以下是使用Tarjan算法求解SCC数量的示例代码：

from collections import defaultdict

class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = defaultdict(list)
        self.Time = 0

    def addEdge(self, u, v):
        self.graph[u].append(v)

    def SCCUtil(self, u, low, disc, stackMember, st, SCCs):
        disc[u] = self.Time
        low[u] = self.Time
        self.Time += 1
        stackMember[u] = True
        st.append(u)

        for v in self.graph[u]:
            if disc[v] == -1:
                self.SCCUtil(v, low, disc, stackMember, st, SCCs)
                low[u] = min(low[u], low[v])
            elif stackMember[v] == True:
                low[u] = min(low[u], disc[v])

        w = -1
        if low[u] == disc[u]:
            SCC = []
            while w != u:
                w = st.pop()
                stackMember[w] = False
                SCC.append(w)
            SCCs.append(SCC)

    def SCC(self):
        disc = [-1] * self.V
        low = [-1] * self.V
        stackMember = [False] * self.V
        st = []
        SCCs = []

        for i in range(self.V):
            if disc[i] == -1:
                self.SCCUtil(i, low, disc, stackMember, st, SCCs)

        return len(SCCs)

其中，`self.graph`是字典类型，用于存储有向图的邻接表；`self.Time`表示访问次序；`disc`表示节点被发现的时间戳；`low`表示节点能够到达的最小时间戳；`stackMember`表示节点是否在递归栈中；`st`表示递归栈；`SCCs`表示强连通分量的集合。

算法的主要思路是先对所有节点进行深度优先遍历，记录节点被发现的时间戳和能够到达的最小时间戳，同时将节点压入递归栈中。当一个节点的能够到达的最小时间戳等于其被发现的时间戳时，说明该节点是一个强连通分量的根节点，可以将其出栈，将所有出栈的节点组成一个强连通分量。最后统计强连通分量的数量即可。