Em uma lista de caminhos de arquivo em um arquivo RTF, conte e classifique a saída com base no número de ocorrências de cada nome de arquivo

Uma ferramenta possível é awk. Este comando pode fazer o trabalho:

awk -F\/ '/pdf/{split($NF,a,":");b[a[1]]+=1} END {for (i in b) if(b[i]>2) print i" : "b[i]}' input_file

O script usa /como delimitador, então splitno aúltimo campo com :delimitador, conta nas bocorrências de a. E no final imprime em loo todos os elementos de aonde count é > 2

É possível simplificar dividindo a linha usando delimitadores for /e :. Nesse caso o script é:

awk -F'[/:]' '/pdf/{b[$(NF-1)]+=1} END {for (i in b) if(b[i]>2) print i" : "b[i]}' input_file

PS Se você quiser a soma dos valores :do arquivo de origem, você pode tentar algo como:

awk -F'[/:]' '/pdf/{b[$(NF-1)]+=1;c[$(NF-1)]+=$NF} END {for (i in b) if(b[i]>2) print i" : "b[i]", "c[i]}'  input_file

Acabei de adicionar cuma matriz para somar os valores depois:

Usando Raku (anteriormente conhecido como Perl_6)

~$ raku -ne 'BEGIN my %seen; 
             if .chars && /\.pdf/ { $_.subst(/ <?after \.pdf> \: \d+ $ /).IO.basename andthen %seen{$_}++ }; 
             END .say for %seen.sort: +*.key.match(/^ \d+ <?before \.pdf>/);'   file

OU (mais simplesmente):

~$ raku -ne 'BEGIN my %seen; 
             if .chars && s/ <?after \.pdf> \: \d+ $ // { %seen{$_.IO.basename}++ }; 
             END .say for %seen.sort: +*.key.match(/^ \d+ <?before \.pdf>/);'   file

OU (ainda mais simplesmente):

~$ raku -ne 'BEGIN my %seen; 
             if .chars && s/ <?after \.pdf> \: \d+ $ // { %seen{$_.IO.basename}++ }; 
             END .say for %seen.sort: +*.key.IO.extension: "";'   file

Raku é uma linguagem de programação da família Perl. Usando os sinalizadores de linha de comando não autoimpressivos awkdo tipo - do Raku -ne, você pode obter um hash classificado de pares de chave/valor onde o valor por nome de arquivo PDF é igual à contagem do número de vezes que o nome do arquivo foi visto. A saída é classificada numericamente de acordo com o nome do arquivo (como um número). Usar .sayno ENDbloco fornecerá a você =>uma saída "chave/valor" pareada:

Exemplo de entrada:

Category1:
./Folder1/Folder2/1.pdf:18
./Folder3/2.pdf:18
./Folder5/4.pdf:10

Category2:
./Folder3/2.pdf:18
./Folder5/4.pdf:10

Category3:
./Folder1/Folder2/1.pdf:18
./Folder5/4.pdf:10

Category4:
./Folder6/7.pdf:10
./Folder5/4.pdf:10
./Folder3/2.pdf:18

Exemplo de saída:

1.pdf => 2
2.pdf => 3
4.pdf => 4
7.pdf => 1

Se você precisar de uma saída de "valor-chave" pareada :, altere o ENDbloco do seu código para:

 END put($_.key, " : ", $_.value) for %hash.sort: +*.key.IO.extension: "";'

Se você precisar eliminar pares com .value < 2, altere ainda mais o ENDbloco do seu código para:

 END put($_.key, " : ", $_.value if .value > 2 ) for %hash.sort: +*.key.IO.extension: "";'

Por fim, se você preferir um código escrito no estilo "encadeado" de chamada de método/função, o código abaixo fornece o mesmo código (desejado) que o acima:

~$ raku -e 'my  %seen = lines.grep( *.chars > 0 && / \.pdf /)  \ 
                        .map( *.subst(/ <?after \.pdf> \: \d+ $ / ).IO.basename).Bag;  \ 
            for %seen.sort( +*.key.IO.extension: "") { 
                put $_.key ~" : "~ $_.value if .value > 2 };'   file

https://raku.org

Extraia esse arquivo para ser um arquivo de TEXTO e faça

$ sed < TEXT.txt -nre  's,.*/([^:/]+).*,\1,p' | sort | uniq -c
      2 1.pdf
      3 2.pdf
      4 4.pdf
      1 7.pdf

$ sed < TEXT.txt -nre  's,.*/([^:/]+).*,\1,p' | sort | uniq -c | grep -vE '\s+[12] '
      3 2.pdf
      4 4.pdf

Com perl:

$ perl -lne '$c{$1}++ if m{([^/]*\.pdf):\d+$};
             END {
               print "$_ : $c{$_}" for
                 sort {$c{$b} <=> $c{$a}} grep {$c{$_} > 2} keys %c
             }' your-file
4.pdf : 4
2.pdf : 3