如何从波斯语docx文件提取浮点数存入列表，避免误加文本句号

问题根源 #

原有代码的逻辑存在两个核心问题：

• 逐字符筛选没有区分「小数点」和「句子结束的句号」，只要遇到.就加入列表，导致大量冗余的句号被提取
• 没有把连续的数字和小数点拼接为完整的数值，输出都是单个字符的集合，无法直接使用

修正方案 #

使用正则表达式匹配完整的数值格式，自动过滤单独的句号，直接提取完整的数值：

from docx import Document
import re

numbers = []
doc = Document('word.docx')
# 匹配规则：至少1位数字，后面可跟1个小数点和若干数字
pattern = re.compile(r'\d+\.?\d*')

for para in doc.paragraphs:
    text = para.text
    # 提取当前段落所有匹配的数值字符串
    matched_nums = pattern.findall(text)
    # 转换为浮点型加入列表
    for num_str in matched_nums:
        numbers.append(float(num_str))
    print(text)

print(numbers)

输出效果 #

使用你提供的波斯语文本测试，最终输出列表为：
[2.7, 3.0, 306.0, 74.5, 90.0, 10.0, 15.0, 26.0]
如果需要保留整数为int类型，可以修改数值转换逻辑：

for num_str in matched_nums:
    if '.' in num_str:
        numbers.append(float(num_str))
    else:
        numbers.append(int(num_str))

调整后输出为：
[2.7, 3, 306, 74.5, 90, 10, 15, 26] #

内容的提问来源于stack exchange，提问作者MOHSEN_HOSEINI