feat: Seiten- und Wortzahl für den Duplikatvergleich

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

paperless-backend/src/paperless/vergleich-kennzahlen.util.spec.ts

@@ -0,0 +1,48 @@
+import { PDFDocument, StandardFonts } from 'pdf-lib';
+import { kennzahlenAusPdf, zaehleWoerter } from './vergleich-kennzahlen.util';
+
+describe('zaehleWoerter', () => {
+  it('zählt nur Wörter mit Buchstaben oder Ziffern', () => {
+    // „–“ und „€“ zählen nicht
+    expect(zaehleWoerter('Rechnung Nr. 123 – Betrag 4,50 €')).toBe(5);
+  });
+
+  it('ignoriert Seitenmarker von pdf-parse', () => {
+    expect(zaehleWoerter('-- 1 of 2 --')).toBeNull();
+  });
+
+  it('liefert null für leeren oder fehlenden Text', () => {
+    expect(zaehleWoerter('')).toBeNull();
+    expect(zaehleWoerter(null)).toBeNull();
+  });
+});
+
+describe('kennzahlenAusPdf', () => {
+  it('ermittelt Seiten und Wörter eines PDFs mit Textebene', async () => {
+    const pdf = await PDFDocument.create();
+    const font = await pdf.embedFont(StandardFonts.Helvetica);
+    pdf.addPage().drawText('Hallo Welt', { x: 50, y: 700, font, size: 14 });
+    pdf.addPage();
+    const buffer = Buffer.from(await pdf.save());
+
+    expect(await kennzahlenAusPdf(buffer)).toEqual({ seiten: 2, woerter: 2 });
+  });
+
+  it('meldet bei PDFs ohne Text die Wortzahl als nicht ermittelbar', async () => {
+    const pdf = await PDFDocument.create();
+    pdf.addPage();
+    const buffer = Buffer.from(await pdf.save());
+
+    expect(await kennzahlenAusPdf(buffer)).toEqual({
+      seiten: 1,
+      woerter: null,
+    });
+  });
+
+  it('liefert für unlesbare Dateien keine Kennzahlen', async () => {
+    expect(await kennzahlenAusPdf(Buffer.from('kaputt'))).toEqual({
+      seiten: null,
+      woerter: null,
+    });
+  });
+});