设有一个背包能承受重量s(s>0)，又有n(n≥1)件物品，其重量列表为 w-[w1w2,…,wn]。要从物品中挑选若干件放入背包，使得放入的物品重量之和正好是s。试设计递归函数 w,s,n)，当有解时返回 True，并显示所选物品是哪些;无解时返回 Falese。

这个问题可以使用动态规划中的“0-1背包”（knapsack problem with binary variables）算法来解决，特别是使用递归的方式来构建解决方案。我们可以创建一个名为`isPossible`的递归函数，它接受三个参数：当前物品的索引`i`、剩余的背包容量`cap`以及一个布尔数组`selected`来记录已选择的物品。

递归的基本思路是这样的：

1. 如果`i`已经超出物品范围（即`i >= n`），说明所有物品都已考虑过，如果此时`cap`还大于0，则表示背包还能装东西，但没有更多的物品可以选择，所以返回False。
2. 如果`cap`小于等于0，说明无法装下当前的物品，也返回False。
3. 否则，有两种情况需要分别处理：
- 如果当前物品不选择（`selected[i] = False`），则检查不选该物品的情况是否满足背包容量，即调用`isPossible(i+1, cap, selected)`；
- 如果选择当前物品（`selected[i] = True`），则尝试将物品加入背包，更新剩余容量`cap -= wi`，然后继续检查接下来的物品，即调用`isPossible(i+1, cap, selected)`并设置`selected[i] = True`。

当找到一种可行的方案（即背包满且没有更多物品可选）并且`cap`等于0时，返回True，并同时回溯记录选出的物品。

Python伪代码如下：

def isPossible(i, cap, selected):
    if i == n or cap <= 0:
        return False
    else:
        # 不选第i个物品
        if not selected[i]:
            if isPossible(i+1, cap, selected):
                return True
        # 选第i个物品
        elif isPossible(i+1, cap-wi, selected[:i] + [True] + selected[i+1:]):
            selected[i] = True
            return True

    return False

要找出具体的物品组合，可以在递归结束之后通过`selected`数组确定每个物品是否被选中。