背包问题是很经典的算法问题：给定n种物品和一背包。物品i的重量是wi，价值是vi，背包最大容量是C。假设物品可拆分，在装入物品时可以选择只装入物品的一部分，应该如何选择装入背包的物品，使得装入背包中物品的总价值最大。用键盘输入，java解决

以下是一个Java的实现，采用动态规划的方式求解背包问题：

import java.util.Scanner;

public class KnapsackProblem {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        // 读取输入的物品数量和背包容量
        int n = scanner.nextInt();
        int C = scanner.nextInt();

        // 读取每个物品的重量和价值
        int[] w = new int[n];
        int[] v = new int[n];
        for (int i = 0; i < n; i++) {
            w[i] = scanner.nextInt();
            v[i] = scanner.nextInt();
        }

        // 创建一个二维数组来保存子问题的解
        int[][] dp = new int[n + 1][C + 1];

        // 填充数组
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= C; j++) {
                if (w[i - 1] > j) {
                    // 当前物品的重量大于当前背包的容量，无法放入，继承前一个子问题的解
                    dp[i][j] = dp[i - 1][j];
                } else {
                    // 当前物品可以放入背包，需要比较放和不放两种情况，选择价值更大的方案
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - w[i - 1]] + v[i - 1]);
                }
            }
        }

        // 输出最终结果
        System.out.println(dp[n][C]);
    }
}

以上代码中，我们首先读取输入的物品数量n和背包容量C，以及每个物品的重量w和价值v。接着，我们创建一个二维数组dp来保存子问题的解，其中dp[i][j]表示前i个物品放入容量为j的背包中的最大价值。

接下来，我们通过动态规划的方式来填充dp数组。对于每个子问题，我们有两种选择：不放当前物品，或者放当前物品。如果当前物品的重量大于当前背包容量，那么无法放入该物品，此时继承前一个子问题的解。如果当前物品可以放入背包，那么需要比较放和不放两种情况，选择价值更大的方案。最终，dp[n][C]就是我们要求的最大价值。

我们可以通过以下输入来测试程序：

4 5
1 2
2 4
3 4
4 5

这里有4个物品，背包容量为5，物品的重量和价值分别为：

- 物品1：重量1，价值2
- 物品2：重量2，价值4
- 物品3：重量3，价值4
- 物品4：重量4，价值5

程序输出的结果应该是10，表示最大价值为10。