用Python利用并查集的思想求解最小生成树的问题。输入格式： n, e ：n端点数量、m边的数量 n1,n2，e1：1端点1,n2端点2 e1边的权值 这样的信息有e行 输出格式： n1 n2 e1 生成树中的边的信息生成树的权值之和即最小成本。

好的，这是一个经典的最小生成树问题，我们可以使用 Kruskal 算法来解决。下面是代码实现：

class UnionFind:
    def __init__(self, n):
        self.parent = list(range(n))
        self.size = [1] * n

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

    def union(self, x, y):
        px, py = self.find(x), self.find(y)
        if px != py:
            if self.size[px] > self.size[py]:
                px, py = py, px
            self.parent[px] = py
            self.size[py] += self.size[px]


def kruskal(n, edges):
    uf = UnionFind(n)
    edges.sort(key=lambda x: x[2])
    res = []
    cost = 0
    for u, v, w in edges:
        if uf.find(u) != uf.find(v):
            uf.union(u, v)
            res.append((u, v, w))
            cost += w
    return res, cost


n, e = map(int, input().split())
edges = []
for i in range(e):
    u, v, w = map(int, input().split())
    edges.append((u - 1, v - 1, w))
res, cost = kruskal(n, edges)
for u, v, w in res:
    print(u+1, v+1, w)
print(cost)

代码解释：

- `UnionFind` 类实现了并查集数据结构，包括 `find` 和 `union` 两个操作。
- `kruskal` 函数接受节点数量 `n` 和边列表 `edges`，其中每条边由 `(u, v, w)` 表示，表示边的两个端点为 `u` 和 `v`，边权为 `w`。
- 算法首先对边按照权值进行排序。
- 然后依次遍历每条边，如果边的两个端点不在同一个连通块中，则将它们合并，并将这条边加入生成树中。
- 最后返回生成树的边列表和总权值。

在输入格式中，我们将节点编号从 1 开始，但是在代码中我们将其统一减 1，从 0 开始编号。输出时再将编号加 1 即可。