尝试给如下节点构建一颗哈夫曼树，数据为：{H,E,L,O,W,R,D}, 对应的权重为：{1,1,3,2,1,1,1}主函数

构建哈夫曼树（Huffman Tree），也称为最优二叉树或霍夫曼编码树，通常用于数据压缩，其中每个字符对应一个权重（频率）。给定的数据和权重是：

数据：H E L O W R D
权重：1 1 3 2 1 1 1

步骤如下：

1. 首先创建一个优先级队列（最小堆），将所有的字符及其权重作为键值对放入。
2. 取出队列中的两个权值最小的节点（即频率最低的两个字符），合并成一个新的节点，新节点的权值是这两个节点的权值之和，并将这个新节点插入队列。
3. 重复上述过程，每次从队列中取出两个权值最小的节点，直到只剩下一个节点，这个节点就是哈夫曼树的根。

对于给定的数据，初始的队列会包含7个元素：(H,1)、(E,1)、(L,3)、(O,2)、(W,1)、(R,1) 和 (D,1)。接下来的步骤将交替进行，例如第一次操作可能会是取(E,1)和(H,1)，然后是(L,3)和上一步的结果等。

在实际编程中，你可以使用Python的heapq模块来实现这个过程。主函数的大致结构可能是这样的：

import heapq

def build_huffman_tree(data, weights):
    # 创建空堆
    heap = [(weight, char) for char, weight in zip(data, weights)]
    heapq.heapify(heap)

    while len(heap) > 1:
        # 弹出最小两个节点
        left, right = heapq.heappop(heap), heapq.heappop(heap)
        # 合并节点
        merged_weight = left[0] + right[0]
        merged_node = (merged_weight, (left[1], right[1]))
        # 将合并后的节点放回堆中
        heapq.heappush(heap, merged_node)

    return heap[0][1]

data = ['H', 'E', 'L', 'O', 'W', 'R', 'D']
weights = [1, 1, 3, 2, 1, 1, 1]
huffman_tree_root = build_huffman_tree(data, weights)

这将返回哈夫曼树的根节点，可以用递归或其他方法进一步生成完整的树结构。