构造哈夫曼树，并根据哈夫曼树构造哈夫曼编码。

构造哈夫曼树并根据哈夫曼树构造哈夫曼编码的步骤如下：

1. 统计字符串中每个字符出现的频率，并将其存储在一个字典中。
2. 将每个字符及其频率作为一个节点，构建一个森林（每个节点都是一棵只有根节点的树）。
3. 从森林中选出两个根节点的树，将它们合并成一棵新的树，新树的根节点的权值为两个子树根节点的权值之和。
4. 将新树插入森林中，并删除原来的两个子树。
5. 重复步骤3和4，直到森林中只剩下一棵树，即为哈夫曼树。
6. 根据哈夫曼树构造哈夫曼编码。从根节点开始，遍历哈夫曼树，当遇到左子树时，在编码的末尾添加0，当遇到右子树时，在编码的末尾添加1。当遍历到叶子节点时，该节点所代表的字符的哈夫曼编码即为从根节点到该节点路径上的所有编码。

以下是一个Python实现的示例代码：

import heapq
from collections import defaultdict

def build_huffman_tree(freq_dict):
    heap = [[freq, [char, ""]] for char, freq in freq_dict.items()]
    heapq.heapify(heap)
    while len(heap) > 1:
        left = heapq.heappop(heap)
        right = heapq.heappop(heap)
        for pair in left[1:]:
            pair[1] = '0' + pair[1]
        for pair in right[1:]:
            pair[1] = '1' + pair[1]
        heapq.heappush(heap, [left[0] + right[0]] + left[1:] + right[1:])
    return sorted(heapq.heappop(heap)[1:], key=lambda x: (len(x[-1]), x))

# 示例
freq_dict = defaultdict(int)
string = "hello world"
for char in string:
    freq_dict[char] += 1
huffman_tree = build_huffman_tree(freq_dict)
print("Huffman Tree:")
for char, code in huffman_tree:
    print("{}: {}".format(char, code))