输入数据： 第一行。输出两个数。n和m。 后面有n行，对应着n条路径，每行三个值。前两个代表两个点，第三个表示两个点的距离。 m代表有m个点。求m个点的最小生成树的路径值。 输出数据: 一个数，为最少权值。

这是一个经典的最小生成树问题，可以使用 Kruskal 算法或 Prim 算法来解决。

以下是 Kruskal 算法的实现过程：

1. 将所有边按权值从小到大排序。
2. 开始遍历每条边，如果边的两个端点不在同一个连通块中，则将它们合并，并将当前边加入最小生成树的边集合中。
3. 直到最小生成树的边数等于节点数减一，停止遍历。

以下是 Python 代码实现：

class UnionFind:
    def __init__(self, n):
        self.parent = list(range(n))
        self.rank = [0] * n

    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])
        return self.parent[x]

    def union(self, x, y):
        px, py = self.find(x), self.find(y)
        if px == py:
            return False
        if self.rank[px] < self.rank[py]:
            px, py = py, px
        self.parent[py] = px
        if self.rank[px] == self.rank[py]:
            self.rank[px] += 1
        return True


def kruskal(n, edges):
    edges.sort(key=lambda e: e[2])
    uf = UnionFind(n)
    selected = []
    for e in edges:
        if uf.union(e[0], e[1]):
            selected.append(e)
        if len(selected) == n - 1:
            break
    return sum(e[2] for e in selected)

n, m = map(int, input().split())
edges = [list(map(int, input().split())) for _ in range(n)]
nodes = set()
for e in edges:
    nodes.add(e[0])
    nodes.add(e[1])
for i in range(m):
    nodes.add(int(input()))
node_dict = {v: i for i, v in enumerate(nodes)}
edges = [(node_dict[e[0]], node_dict[e[1]], e[2]) for e in edges]
print(kruskal(len(nodes), edges))

注意，这里将节点编号从 0 开始。同时，为了处理包含不在原图中的节点的情况，需要将节点编号映射为连续的整数。