流动性 Top-K 标的榜单

每天交易日结束，做市与执行业务都要看一张流动性排行榜：把当天所有标的（ticker）的日成交量（daily volume）汇总，挑出最活跃的前 K 只票。这张榜决定了第二天哪些票可以放心铺更宽的报价、哪些票需要小心控仓位、流动性研究组又该把注意力放在哪里。原始数据并非每只票一条干净记录——交易所 tape 会按交易段切片送达，同一只 ticker 在 records 里可能出现多次（早盘 / 午盘 / 收盘前各一段成交量）；上游脏数据偶尔也会塞进 ticker 字段为 None 或负 daily_volume 的异常行，这些不能让整张榜单崩掉。

请实现 solution(records: list[dict], k: int) -> list[dict]（骨架见 stubs/stub.py）。records 是当天的成交量切片记录，每条记录至少可能包含 ticker（标的代码）与 daily_volume（这一切片对应的成交量整数），也可能带其它无关字段，忽略即可。请按下面的口径处理：

1. 清洗。取 ticker 调 .strip()；若该字段缺失、为 None 或剥空白后为空，整条记录丢弃。若 daily_volume 缺失、为 None 或 < 0，整条记录也丢弃（daily_volume == 0 是合法的，记入累加）。
2. 聚合。把同一个 ticker 的所有有效记录的 daily_volume 累加成一个总和。注意 ticker 比较是大小写敏感的——TICK-A 与 tick-a 是两只不同的票，分别记账。
3. 挑 Top-K 并排序。从聚合后的字典里挑出前 K 只——按 volume 降序；volume 相等再按 ticker 字典序升序（这样返回顺序对相同输入是确定的）。k 可能比不同 ticker 数还大，此时返回全部聚合结果（仍按上述顺序排好）；k == 0 时返回空列表。
4. 打包。每条返回 {"ticker": str, "volume": int}。

举例：solution([{"ticker": "TICK-A", "daily_volume": 1200000}, {"ticker": "TICK-M", "daily_volume": 900000}, {"ticker": "TICK-A", "daily_volume": 800000}, {"ticker": "TICK-G", "daily_volume": 500000}, {"ticker": "TICK-T", "daily_volume": 2000000}], 3) 应返回 [{"ticker": "TICK-A", "volume": 2000000}, {"ticker": "TICK-T", "volume": 2000000}, {"ticker": "TICK-M", "volume": 900000}]。TICK-A 两段切片合计 1200000 + 800000 = 2000000，与 TICK-T 打平；按 ticker 字典序升序，TICK-A 排在 TICK-T 之前；TICK-M 单独 900000 排第三；TICK-G 的 500000 落在前 3 之外，不出现在结果里。

5 万条记录、K 通常远小于不同 ticker 数（比如 5000 只票里挑前 10）。heapq.nlargest(k, items, key=...) 一行解决，复杂度 O(n log k)；这是为什么本题被放进"堆 / Top-K"技术簇的原因——比"全排序再切前 K 个" O(n log n) 更贴合 K ≪ n 的实际场景。