给定n个重量为{w1, w2, … ,wn}、价值为{v1, v2, … ,vn}的物品和一个容量为C的背包，求这些物品中的一个最有价值的子集，且要能够装到背包中。 输入格式: 有多组数据，每组数据第一行表示物品的数量n（0<n<=20）和背包容量C（0<C<=300）；后面有n行，表示n个物品的信息，每个物品信息占一行，包括物品的重量w和物品的价值v，w和v之间用空格隔开。（注：重量和价值为1到100之间的整数，包括1和100） 输出格式: 每组输出占一行，若背包有物品，输出其价值；若背包为空则输出0。

这是一个经典的背包问题，可以使用动态规划来解决。设dp[i][j]表示前i个物品放入容量为j的背包中所能获得的最大价值。则有状态转移方程：

dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])

其中，dp[i-1][j]表示不放第i个物品，dp[i-1][j-w[i]] + v[i]表示放第i个物品。

最终的答案即为dp[n][C]。

下面是一个Python实现：

while True:
    try:
        n, C = map(int, input().split())
        w, v = [0], [0]
        for i in range(n):
            wi, vi = map(int, input().split())
            w.append(wi)
            v.append(vi)

        dp = [[0] * (C+1) for _ in range(n+1)]
        for i in range(1, n+1):
            for j in range(1, C+1):
                if j < w[i]:
                    dp[i][j] = dp[i-1][j]
                else:
                    dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])

        print(dp[n][C])
    except:
        break

注意要使用try-except，因为可能会有多组数据。