编写一个完整地代码解决以下问题给定n种物品（每种仅一个）和一个容量为c的背包，要求选择物品装入背包，使得装入背包中物品的总价值最大。

好的，以下是 Python 的代码实现：

def knapsack(n, c, w, v):
    """
    :param n: 物品的数量
    :param c: 背包的容量
    :param w: 每个物品的重量
    :param v: 每个物品的价值
    :return: 装入背包中物品的最大总价值
    """
    dp = [0] * (c+1)  # 初始化动态规划数组

    for i in range(1, n+1):
        for j in range(c, 0, -1):
            if j >= w[i-1]:
                dp[j] = max(dp[j], dp[j-w[i-1]]+v[i-1])
    return dp[c]

其中，`n` 表示物品的数量，`c` 表示背包的容量，`w` 表示每个物品的重量，`v` 表示每个物品的价值。函数返回装入背包中物品的最大总价值。

具体的思路是使用动态规划来解决。定义一个二维数组 `dp[i][j]` 表示前 `i` 个物品中选择若干个放入容量为 `j` 的背包中所能获得的最大价值。则可以得到以下状态转移方程：

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

其中，`w[i]` 表示第 `i` 个物品的重量，`v[i]` 表示第 `i` 个物品的价值。而为了方便优化空间复杂度，可以将二维数组转化为一维数组，即使用一维数组 `dp[j]` 表示容量为 `j` 的背包所能获得的最大价值。则状态转移方程可以简化为：

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

其中，`i` 和 `j` 的范围分别为 `1 <= i <= n` 和 `w[i] <= j <= c`，这是因为当背包容量小于第 `i` 个物品的重量时，无法选择放入该物品。最后返回 `dp[c]` 即为所求的最大总价值。