请详细描述如何通过Kahn算法实现字典序最小的拓扑排序，并通过伪代码和代码示例进行说明。

在计算机科学中，拓扑排序是将有向无环图（DAG）的顶点排成一个线性序列的过程，使得对于图中的每条有向边(u, v)，节点u都排在节点v之前。Kahn算法是一种经典的拓扑排序算法，其关键在于按入度（指向顶点的边的数量）为0的顶点的顺序进行排序。若希望实现字典序最小的拓扑排序，需要在Kahn算法的基础上进行一定的优化。

参考资源链接：[Kahn算法与字典序最小拓扑排序：DAG的高效求解](https://wenku.csdn.net/doc/58qx7c5p1d?spm=1055.2569.3001.10343)

首先，Kahn算法的基本步骤如下：
1. 计算图中每个顶点的入度，并找出所有入度为0的顶点。
2. 将所有入度为0的顶点加入一个队列（或栈）中。
3. 当队列（或栈）非空时，重复执行以下操作：
a. 弹出队列（或栈顶）元素，将其加入排序结果列表。
b. 遍历该顶点的所有邻接顶点，将每个邻接顶点的入度减1。
c. 若邻接顶点的入度减为0，则将其加入队列（或栈中）。
4. 若最终队列（或栈）为空，则算法结束，此时排序结果列表即为一个拓扑排序；若非空，则图中存在环，无法进行拓扑排序。

为了实现字典序最小的拓扑排序，可以在步骤3a中，当有多个入度为0的顶点时，选择字典序最小的一个顶点进行处理。即在步骤2中，应按照顶点的字典序对入度为0的顶点进行排序，然后入队列（或栈）。这样可以确保在每一步选择顶点时，都是按照字典序最小的规则进行。

以下是Kahn算法的伪代码，展示了字典序最小的拓扑排序的实现：

// Kahn算法伪代码
function topological_sort(graph):
    inDegree = [0 for each vertex in graph]
    result = [] // 存储拓扑排序结果
    queue = empty queue // 初始化队列，存储入度为0的顶点

    // 计算所有顶点的入度
    for each vertex in graph do
        for each neighbor in vertex.adjacent do
            inDegree[neighbor] += 1
        end for
    end for

    // 找出所有入度为0的顶点
    for each vertex in graph do
        if inDegree[vertex] == 0 then
            queue.enqueue(vertex)
        end if
    end for

    // 执行Kahn算法
    while queue is not empty do
        vertex = queue.dequeue() // 取出字典序最小的入度为0的顶点
        result.add(vertex) // 将顶点加入排序结果列表
        for each neighbor in vertex.adjacent do
            inDegree[neighbor] -= 1 // 移除边
            if inDegree[neighbor] == 0 then
                queue.enqueue(neighbor) // 若邻接顶点入度变为0，则加入队列
            end if
        end for
    end while

    // 检查是否有环
    if size(result) != size(graph) then
        error 

参考资源链接：[Kahn算法与字典序最小拓扑排序：DAG的高效求解](https://wenku.csdn.net/doc/58qx7c5p1d?spm=1055.2569.3001.10343)