拓扑排序仅适用于有向无环图（dag），kahn算法通过入度为0的节点入队实现bfs式遍历，需严格校验输出长度与节点总数是否一致以判断环；必须用std::queue而非std::stack，确保顺序稳定；indegree与adj索引须对齐节点id，初始化与重置不可遗漏。
拓扑排序前必须检查图是否有环
拓扑排序只对有向无环图（DAG）有效，Kahn 算法本身不主动报错，但若图含环，它会提前终止且输出节点数少于总节点数——这是唯一可靠信号。indegree 数组初始化后，需遍历所有节点确认入度为 0 的节点是否至少有一个；若没有，图必然有环。别依赖算法返回“成功”标志，要自己比对结果长度和节点总数。
用 std::queue 而不是 std::stack 实现 BFS 式遍历
Kahn 算法本质是广度优先的入度驱动过程：每次取一个入度为 0 的节点，删掉它的出边，更新邻居入度。用 std::queue 符合 FIFO 逻辑，保证更早入队的节点优先处理，结果稳定可复现；若误用 std::stack，会变成 DFS 风格，虽仍可能得到合法拓扑序，但顺序不可控，且容易在调试时误导判断。
常见错误：把邻接表遍历写成 for (auto& v : adj[u]) 却忘了在更新 indegree[v] 后加判断：
if (--indegree[v] == 0) {
q.push(v);
}
adj 和 indegree 的索引必须严格对齐节点 ID
节点编号若从 1 开始（比如输入给的是 1~n），indegree 数组就得开 n+1 大小，下标 0 闲置；若节点是字符串或自定义结构体，不能直接用数组，得用 std::unordered_map<nodeid int></nodeid> 存 indegree，同时 adj 也得用同类型 key 的 map 或 vector
典型坑点：
- 读入边
u -> v后只做了adj[u].push_back(v)，却忘了indegree[v]++ - 节点数 n 已知，但循环只跑了
i = 0到n-1，而实际节点编号是 1~n，导致indegree[0]永远为 0 干扰队列初始状态
多解时 Kahn 算法输出取决于入度为 0 的节点插入队列的顺序
当多个节点同时入度为 0，谁先入队谁先出队，直接影响最终序列。标准实现用 std::queue，按输入顺序或遍历顺序插入，结果确定但非唯一；若需要字典序最小的拓扑序，得改用 std::priority_queue<int vector>, greater<int>></int></int>，每次取最小编号节点。
注意：std::priority_queue 会带来 O(log n) 插入开销，对稀疏图影响不大，但节点数超 10⁵ 时需权衡；另外，必须确保所有入度为 0 的节点都已加入堆，不能边处理边漏加。
真正容易被忽略的是：即使图无环，若未显式清空队列或重置 indegree 数组，在多次调用同一函数时会复用旧状态，导致结果错乱——每次运行前务必重新初始化。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
