使用正则表达式从标注集中提取出原始文本python

假设标注集是以BIO格式标注的，可以使用正则表达式来提取出原始文本，具体步骤如下：

1. 定义正则表达式，用于匹配标注集中的文本部分，例如：

pattern = r'(B|I|O)-\S+'

2. 使用re模块的findall函数，提取所有匹配的文本部分，例如：

import re

text = 'I-ORG am O a B-PERSON sentence O .'
pattern = r'(B|I|O)-\S+'

matches = re.findall(pattern, text)

3. 将匹配的文本部分拼接起来，即可得到原始文本，例如：

raw_text = ''.join([match.split('-')[1] for match in matches])
print(raw_text)

输出结果为：

am a sentence .