归并树（又称霍夫曼树，Huffman Tree）是一种用于数据压缩的树形结构，通过构建具有最小带权路径长度的树来实现高效编码。在归并树中，带权路径长度（Weighted Path Length，WPL）是衡量树的好坏的重要指标之一。

### 带权路径长度（WPL）

带权路径长度是树中所有叶子节点的权重乘以其到根节点的路径长度之和。对于一个归并树，WPL的计算步骤如下：

1. **构建霍夫曼树**：
   - 根据给定的权重集合，重复以下步骤直到所有节点都合并成一棵树：
     1. 找出权重最小的两个节点。
     2. 创建一个新节点，其权重为这两个节点权重之和。
     3. 将新节点作为这两个节点的父节点，形成一个新的子树。
     4. 将新节点加入节点集合，移除刚才选出的两个节点。

2. **计算带权路径长度**：
   - 遍历树中的所有叶子节点，对于每个叶子节点，计算其到根节点的路径长度，乘以该叶子节点的权重，然后将所有叶子节点的结果相加，即得到带权路径长度。

### 案例实现

以下是一个简单的Python实现，用于构建霍夫曼树并计算其带权路径长度：

```python
import heapq

class TreeNode:
    def __init__(self, weight, left=None, right=None):
        self.weight = weight
        self.left = left
        self.right = right

def build_huffman_tree(weights):
    # 创建一个优先队列，初始时包含所有权重的叶子节点
    priority_queue = [TreeNode(weight) for weight in weights]
    heapq.heapify(priority_queue)
    
    while len(priority_queue) > 1:
        # 取出权重最小的两个节点
        left = heapq.heappop(priority_queue)
        right = heapq.heappop(priority_queue)
        
        # 创建一个新的节点，其权重为这两个节点权重之和
        merged = TreeNode(left.weight + right.weight, left, right)
        
        # 将新节点加入优先队列
        heapq.heappush(priority_queue, merged)
    
    return priority_queue[0]

def calculate_wpl(root, depth=0):
    if root is None:
        return 0
    # 如果是叶子节点，返回其带权路径长度
    if root.left is None and root.right is None:
        return root.weight * depth
    # 否则，递归计算左右子树的带权路径长度
    return calculate_wpl(root.left, depth + 1) + calculate_wpl(root.right, depth + 1)

# 示例权重集合
weights = [5, 7, 10, 15, 20, 45]

# 构建霍夫曼树
huffman_tree = build_huffman_tree(weights)

# 计算带权路径长度
wpl = calculate_wpl(huffman_tree)
print(f'霍夫曼树的带权路径长度: {wpl}')
```

### 解释

1. **`TreeNode`类**：用于表示树中的节点，每个节点包含权重以及左右子节点。
2. **`build_huffman_tree`函数**：构建霍夫曼树，使用优先队列（堆）来选择权重最小的两个节点并合并，直到所有节点合并成一棵树。
3. **`calculate_wpl`函数**：递归计算带权路径长度，深度从根节点开始，每深入一层深度加1，叶子节点的带权路径长度等于其权重乘以路径长度。

通过以上步骤，我们可以构建一个霍夫曼树并计算其带权路径长度。霍夫曼树广泛应用于数据压缩（如Huffman编码）中，因为它能够有效地减少数据存储空间。