用代码写出给定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。

这是一个经典的 01 背包问题，可以使用动态规划求解。

假设有 n 种物品，它们的重量分别为 w1, w2, ..., wn，价值分别为 v1, v2, ..., vn。背包的容量为 c。令 dp[i][j] 表示前 i 种物品装到容量为 j 的背包中所能获得的最大价值，则有以下状态转移方程：

当 j < wi 时，dp[i][j] = dp[i-1][j]，即当前物品装不下，最大价值为前 i-1 种物品装入容量为 j 的背包的最大价值
当 j >= wi 时，dp[i][j] = max(dp[i-1][j], dp[i-1][j-wi]+vi)，即当前物品可以装入背包中，最大价值为前 i-1 种物品装入容量为 j 的背包的最大价值和当前物品的价值之和，与不装当前物品时的最大价值取最大值。

最终的结果为 dp[n][c]。

下面是 Python 代码实现：

def knapsack(n, c, w, v):
    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-1]:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1])
    return dp[n][c]

其中，n 表示物品的数量，c 表示背包的容量，w 是一个长度为 n 的数组，表示每种物品的重量，v 是一个长度为 n 的数组，表示每种物品的价值。