把两千首歌的播放列表塞进本地检索：我踩过的坑

场景是这样的：我把自己从 2016 年起攒的播放列表导出成 CSV，大概 2300 多首，字段有标题、艺人、专辑、时长、添加日期，还有一列我早期随手写的备注。目标是做成本地可检索的小库，能按「艺人 + 年份 + 备注关键词」查，顺便统计自己每年听歌的口味漂移。环境是 macOS 上的 Python 3.11 + SQLite，不联网，纯本地。

做法很土，先建表再灌数据：

import sqlite3, csv
con = sqlite3.connect("tracks.db")
con.execute("""CREATE TABLE IF NOT EXISTS tracks (
  id INTEGER PRIMARY KEY, title TEXT, artist TEXT, album TEXT,
  duration INTEGER, added TEXT, note TEXT)""")
with open("playlist.csv", newline="", encoding="utf-8-sig") as f:
    rows = [(r["title"], r["artist"], r["album"],
             int(r["duration_ms"]) // 1000, r["added"], r["note"])
            for r in csv.DictReader(f)]
con.executemany("INSERT INTO tracks (title,artist,album,duration,added,note) VALUES (?,?,?,?,?,?)", rows)
con.commit()

查询就直接上 SQL，艺人名做 LIKE，年份用 strftime('%Y', added)。检索「某艺人某年」大概 30ms 内出结果，够用了。

为什么不上全文索引或者向量检索：2300 行这个量级，SQLite 全表扫就是毫秒级，加 FTS5 反而多一层同步负担，CSV 一更新就得重建。代价是标题里的错别字和艺人别名查不到，我接受，因为我主要在按艺人筛。

真正失效的地方有三处。第一，导出的 CSV 里同一首歌会因为出现在多个列表里重复，我一开始没去重，统计「每年新增」直接虚高，后来按 title + artist 建了唯一索引才压住。第二，added 字段格式不统一，有的带时区有的不带，strftime 直接返回 NULL，我是先手动清洗成 ISO 日期再入库的。第三，备注列里我自己写过中文逗号和英文逗号混用，LIKE '%关键词%' 没问题，但想按逗号拆标签就全乱了，这部分我至今没处理干净。

还有一个坑是编码。Windows 上导出的那份带 BOM，第一次读进来标题前面多了个不可见字符，按标题精确匹配死活对不上，换成 utf-8-sig 才正常。这种问题不看 hexdump 根本发现不了。

现在这个库我主要用来回答一个问题：某张专辑我是哪一年开始听的。你们导出播放列表的时候，是怎么处理同一首歌跨多个列表重复的？是按标题去重还是带上艺人一起？