有向图存储在邻接表中，设计一个算法，按深度优先搜索策略对其进行拓扑排序，写出代码

在有向图中使用邻接表表示数据结构时，我们可以利用深度优先搜索（DFS）策略来实现拓扑排序。拓扑排序是对有向无环图（DAG）的顶点按照依赖关系进行线性排序的一种方法。下面是一个基于Python的简单实现：

首先，我们假设`Graph`类表示有向图，它有一个邻接列表以及一个标记未访问节点的辅助集合。`visit`函数用于记录访问状态，而`toposort()`函数则执行拓扑排序。

class Node:
    def __init__(self, value):
        self.value = value
        self.neighbors = []

class Graph:
    def __init__(self, edges):
        # 初始化邻接表
        for edge in edges:
            src, dst = edge
            src.neighbors.append(dst)
    
    def visit(self, node):
        if node not in self.visited:
            node.visited = True
            for neighbor in node.neighbors:
                self.visit(neighbor)

    def toposort(self):
        self.visited = set()
        result = []
        
        def dfs(node):
            self.visit(node)
            result.append(node.value)

        # 对每个起点执行DFS
        for node in self.graph:
            if node not in self.visited:
                dfs(node)
        
        return result[::-1]  # 返回结果并保证从源到目标的顺序

# 使用示例
edges = [(1, 0), (2, 0), (2, 1), (3, 1)]
graph = Graph(edges)
print(graph.toposort())  # 结果取决于边的连接顺序，例如 [0, 1, 2, 3]

在这个例子中，`toposort()`首先初始化所有节点为未访问，然后对每个未访问的节点开始递归的深度优先遍历。每访问一个节点，就将其加入结果列表中。最后返回的结果就是拓扑排序后的节点序列。