先看现象。用 PaddleOCR 3.0 识别一批扫描发票，抽出的金额里出现「１２８０.００」这种全角数字，下游 float 转换直接报 ValueError，30% 的样本需要人工回填。
这类报错背后常见的原因有几处，逐个排除就行。OCR 引擎按字形输出，全角半角不做转换。还有一种是清洗流程只 strip 了空格没做 NFKC 归一。
还有一种情况，小数点被识别成中文句号「．」。
另外，千分位逗号与小数点在不同票据上混用。
第一件事是统计语料里全角字符的占比
python -c "import re;s=open('ocr.txt',encoding='utf-8').read();print(len(re.findall(r'[０-９．，]',s)))"接着在解析前统一做 NFKC 归一
python -c "import unicodedata;print(unicodedata.normalize('NFKC','１２８０．００'))"再往下用正则抽出金额并统一小数点
python -c "import re;s='合计 １，２８０．００ 元';t=s.replace('，',',').replace('．','.');print(re.search(r'[0-9][0-9,]*\.[0-9]{2}',t).group())"等前面都确认过，再把归一后的结果与人工标注抽样比对
python verify_amount.py --ocr ocr.csv --label sample.csv --sample 200怎么算真的好了，看的是同一批现象。全角金额全部转成半角浮点，float 转换不再报错，200 条抽样里金额一致率达到 99%，人工回填量降到个位数。
全角字符在 OCR 输出里极常见，归一化要放在解析之前而不是之后，顺序错了后面所有正则都要重写。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。