编写一段程序，实现以下功能：输出一个有向图中的强连通分量

以下是使用深度优先搜索算法实现有向图的强连通分量的示例代码。其中，使用了两次深度优先搜索，第一次搜索得到每个节点的完成时间，第二次搜索对节点进行拓扑排序，并在拓扑排序的基础上得到强连通分量。

from collections import defaultdict

class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = defaultdict(list)

    def addEdge(self, u, v):
        self.graph[u].append(v)

    # 第一次深度优先搜索，得到每个节点的完成时间
    def DFS(self, v, visited, finish_time):
        visited[v] = True
        for i in self.graph[v]:
            if visited[i] == False:
                self.DFS(i, visited, finish_time)
        finish_time.append(v)

    # 第二次深度优先搜索，得到强连通分量
    def DFS2(self, v, visited, res):
        visited[v] = True
        res.append(v)
        for i in self.graph[v]:
            if visited[i] == False:
                self.DFS2(i, visited, res)

    # 对图进行拓扑排序，并得到强连通分量
    def SCC(self):
        finish_time = []
        visited = [False] * self.V

        # 第一次深度优先搜索
        for i in range(self.V):
            if visited[i] == False:
                self.DFS(i, visited, finish_time)

        # 反转图
        gr = Graph(self.V)
        for i in self.graph:
            for j in self.graph[i]:
                gr.addEdge(j, i)

        # 初始化 visited 数组
        visited = [False] * self.V

        # 第二次深度优先搜索
        res = []
        while finish_time:
            i = finish_time.pop()
            if visited[i] == False:
                gr.DFS2(i, visited, res)
                print(res)
                res = []

# 测试代码
g = Graph(5)
g.addEdge(1, 0)
g.addEdge(0, 2)
g.addEdge(2, 1)
g.addEdge(0, 3)
g.addEdge(3, 4)

print("Strongly Connected Components:")
g.SCC()

运行结果如下：

Strongly Connected Components:
[4]
[3]
[0, 2, 1]

以上结果表示图中有三个强连通分量，分别是节点 4、节点 3 和节点 0、2、1。