fix(mail): Duplikate auch bei neu erzeugten PDFs erkennen

Absender erzeugen PDFs beim erneuten Versand oft neu (andere
Erstellungszeit/Dokument-ID), dadurch unterscheidet sich die Checksumme
und die Duplikatprüfung griff nicht (z.B. Mail 7071 vs. 7072).

- Neuer Text-Fingerprint (SHA-256 über normalisierten PDF-Text via
  pdf-parse) in Attachments.ContentFingerprint, inkl. Migration und Index
- Wird beim Mail-Abruf berechnet; Altbestand füllt ein Hintergrund-
  Backfill beim Start auf, fehlende Werte werden bei Bedarf nachberechnet
- Duplikatprüfung und Import-Sperre berücksichtigen Anhänge mit gleichem
  Inhalt, die importiert sind oder gerade importiert werden
- Jest braucht für pdf-parse --experimental-vm-modules (test-Skripte)

Co-Authored-By: Claude Opus 5.5 (1M context) <noreply@anthropic.com>

paperless-backend/src/email/pdf-fingerprint.util.ts

@@ -0,0 +1,37 @@
+import * as crypto from 'crypto';
+import { PDFParse } from 'pdf-parse';
+
+/**
+ * Unterhalb dieser Textlänge gilt ein PDF als "ohne Textebene" (z.B. Scan) –
+ * ein paar Zeichen reichen nicht, um Dokumente sicher zu unterscheiden.
+ */
+const MIN_TEXT_LENGTH = 20;
+
+/**
+ * Inhaltsbasierter Fingerprint eines PDFs: SHA-256 über den extrahierten,
+ * whitespace-normalisierten Text. Anders als die Datei-Checksumme bleibt er
+ * gleich, wenn ein Absender dasselbe Dokument neu erzeugt (andere
+ * Erstellungszeit, Dokument-ID o.ä.).
+ *
+ * @returns Fingerprint (64 Hex-Zeichen), `''` bei PDFs ohne verwertbaren Text
+ *          (bereits berechnet, aber nicht vergleichbar) oder `null`, wenn das
+ *          PDF nicht gelesen werden konnte.
+ */
+export async function computeContentFingerprint(
+  pdf: Buffer,
+): Promise<string | null> {
+  // pdf.js übernimmt den Puffer, deshalb eine Kopie übergeben
+  const parser = new PDFParse({ data: new Uint8Array(pdf) });
+  try {
+    const { text } = await parser.getText();
+    const normalized = text.replace(/\s+/g, ' ').trim();
+    // Seitenmarker ("-- 1 of 1 --") zählen nicht als Inhalt
+    const inhalt = normalized.replace(/-- \d+ of \d+ --/g, '').trim();
+    if (inhalt.length < MIN_TEXT_LENGTH) return '';
+    return crypto.createHash('sha256').update(normalized).digest('hex');
+  } catch {
+    return null;
+  } finally {
+    await parser.destroy().catch(() => undefined);
+  }
+}