如何用Awk筛选第三列含M且值≥2M的行并输出至文件

原始文件内容 #

header 1 (which exists in my original file)
col1  col2 col3
name1 1K   1M
name2 2M   1K
name3 2K   2K
name4 2M   2M
name5 1K   5M

需求 #

筛选第三列带M单位，且数值换算成字节后≥2097152（即2M）的行，整行写入新文件，保留原数值的M单位。首两行可选择保留或丢弃。

期望输出（保留首两行示例） #

header 1 (which exists in my original file)
col1  col2 col3
name4 2M   2M
name5 1K   5M

之前尝试的错误命令 #

tail -$(( $(wc -l the_file | awk {'print  $1'}) - 2 )) the_file | grep M | awk '$3 >= 2M'
tail -$(( $(wc -l the_file | awk {'print  $1'}) - 2 )) the_file | grep M | awk '$3 >= 2*1024**M'
tail -$(( $(wc -l the_file | awk {'print  $1'}) - 2 )) the_file | grep M | awk '$3+0 > 1M'

正确命令 #

直接用awk一步完成，无需多管道组合，灵活度更高：

写法1（按字节数判断） #

awk 'NR<=2 || ($3 ~ /M$/ && substr($3,1,length($3)-1)*1024^2 >= 2097152)' the_file > output_file

写法2（简化为数值≥2，因为2097152=2×1024²） #

awk 'NR<=2 || ($3 ~ /M$/ && substr($3,1,length($3)-1) >= 2)' the_file > output_file

错误原因说明 #

• awk无法直接识别带单位的字符串（比如2M）做数值比较，2M属于非法语法，会导致命令报错。
• $3+0能提取2M里的数值2，但后面写1M同样是语法错误，awk不支持这种单位写法。
• 用tail跳过前两行再grep M的方式，既可能误过滤含M的首行，又无法精准判断第三列的数值是否达标。

内容的提问来源于stack exchange，提问作者Saeed