python写一个完整的程序：有 100 种余料，各种余料的数量不同，有一客户提出多种规格的不同数量的 要求，客户要求也由文件输入，数据由文件输入，大部分余料的数量少于客户要求的数量，试从现有的余料中找出与客户要求相匹配的余料，使得各件余料切割 成客户要求的型材后，所剩下的废料总和最小，要求输出最少废料和选择的余料

这道题目可以使用 Python 的线性规划库 `PuLP` 来求解。

首先，我们需要读取输入文件，并将余料和客户要求转化为可供线性规划库使用的变量和约束条件。假设余料和客户要求的文件分别为 `stock.txt` 和 `demands.txt`，可以使用以下代码读取：

import pulp

# 读取余料和客户要求
with open('stock.txt', 'r') as f:
    stock_data = f.readlines()

with open('demands.txt', 'r') as f:
    demand_data = f.readlines()

# 解析余料和客户要求
stock_items = []
for line in stock_data:
    item = line.strip().split(',')
    stock_items.append({
        'name': item[0],
        'length': int(item[1]),
        'quantity': int(item[2])
    })

demand_items = []
for line in demand_data:
    item = line.strip().split(',')
    demand_items.append({
        'length': int(item[0]),
        'quantity': int(item[1])
    })

接下来，我们需要定义线性规划问题。问题的目标是最小化废料总和，即最小化所有余料切割后剩余长度的和。我们可以使用 `PuLP` 库的 `LpProblem` 类来定义问题：

# 定义线性规划问题
problem = pulp.LpProblem('Cutting Stock Problem', pulp.LpMinimize)

# 定义决策变量：每种余料切割后的数量
stock_vars = []
for i in range(len(stock_items)):
    var_name = 'x{}'.format(i)
    stock_vars.append(pulp.LpVariable(var_name, lowBound=0, cat='Integer'))

# 定义目标函数：废料总和
waste_vars = []
for i in range(len(stock_items)):
    waste_var = stock_items[i]['length'] - sum([demand_items[j]['length'] * pulp.lpSum(stock_vars[j] * int(j == i) for j in range(len(demand_items))) for k in range(stock_items[i]['quantity'])])
    waste_vars.append(waste_var)
problem += pulp.lpSum(waste_vars)

在上述代码中，我们定义了决策变量 `stock_vars`，每个变量表示对应余料切割后得到的数量。然后，我们定义了目标函数 `waste_vars`，其中每个变量表示对应余料切割后的废料长度。最终，我们使用 `pulp.lpSum` 函数将所有废料长度加起来，作为目标函数。

接下来，我们需要定义约束条件。对于每个客户要求，我们需要确保从余料中切割出足够数量的型材。我们可以使用 `PuLP` 库的 `LpConstraint` 类来定义约束条件：

# 定义约束条件：每种客户要求的数量必须满足
for i in range(len(demand_items)):
    demand_constraint = sum([stock_vars[j] * int(stock_items[j]['length'] >= demand_items[i]['length']) for j in range(len(stock_items))])
    problem += demand_constraint >= demand_items[i]['quantity']

在上述代码中，我们定义了约束条件 `demand_constraint`，其中每个变量表示余料中对应长度大于等于客户要求长度的余料的切割数量。我们使用 `pulp.lpSum` 函数将所有变量加起来，作为约束条件。

最后，我们可以调用 `solve` 方法来求解线性规划问题，并输出结果：

# 求解线性规划问题
problem.solve()

# 输出结果
print('Selected stock items:')
for i in range(len(stock_items)):
    if stock_vars[i].varValue > 0:
        print('{} x {}'.format(stock_items[i]['name'], int(stock_vars[i].varValue)))

print('Waste length: {:.2f}'.format(pulp.value(problem.objective)))

在上述代码中，我们首先调用 `problem.solve()` 方法来求解线性规划问题。然后，我们使用 `stock_vars[i].varValue` 来获取每种余料切割后的数量。最后，我们使用 `pulp.value(problem.objective)` 来获取最小化的废料总和。