下面是使用递归方式解决背包问题的 Python 代码示例：
〓〓python代码如下：〓〓
def knapsack_recursive(weights, values, capacity, n):
# Base case: 如果没有物品或背包容量为0，则返回价值为0
if n == 0 or capacity == 0:
return 0
# 如果当前物品的重量大于背包容量，则不能选择该物品
if weights[n-1] > capacity:
return knapsack_recursive(weights, values, capacity, n-1)
# 否则，返回以下两种情况的较大值：
# 1. 包括当前物品的最大价值
# 2. 不包括当前物品的最大价值
else:
include_item = values[n-1] + knapsack_recursive(weights, values, capacity - weights[n-1], n-1)
exclude_item = knapsack_recursive(weights, values, capacity, n-1)
return max(include_item, exclude_item)
# 示例用法
weights = [1, 3, 4, 5]
values = [1, 4, 5, 7]
capacity = 7
n = len(weights)
max_value = knapsack_recursive(weights, values, capacity, n)
print("背包能够装下的最大价值为:", max_value)
在这段代码中， knapsack_recursive 函数使用递归方式解决背包问题。它接受四个参数： weights 是物品的重量列表， values 是物品的价值列表， capacity 是背包的容量， n 是当前考虑的物品索引。函数通过比较包括当前物品和不包括当前物品两种情况的最大值来返回最优解。
需要注意的是，递归解法可能会有重复计算子问题的情况，特别是在物品数量较多时效率较低。在实际应用中，可以使用动态规划等其他方法来避免重复计算，提高效率。