feat(PROJ-85): Fix undeklarierte 8-Bit-Zeichen in Header/Body ohne Encoded-Word

Getrennt von PROJ-84: Header (v.a. Subject) mit rohen 8-Bit-Bytes ohne
RFC-2047-Encoded-Word-Syntax wurden nicht auf tatsächliches Charset
geprüft, landeten als ungültiges UTF-8 in emails.subject und Manticore.
Gleiche Lücke bei decodeCharset() für den Body ohne verwertbaren
Content-Type.

RepairUTF8/RepairUTF8Bytes (charset_repair.go): bytegenaue Reparatur,
gültiges UTF-8 bleibt Identität, nur ungültige Byte-Sequenzen fallen
auf Windows-1252 zurück. Attachment.Data bewusst ausgenommen (bleibt
byte-exakt für Downloads). fix-subjects-Kommando erkennt jetzt beide
Fälle (HasEncodedWord || NeedsCharsetRepair).

Verifiziert auf 192.168.1.132: 54 zusätzliche Subject-Fälle, 219
Body-Fälle behoben (bodyInvalidUTF8 219 -> 0). --apply noch nicht
ausgeführt, Body-Korrektur braucht zusätzlich reindex.

Die ursprünglich gemeldete Amazon-Mail bleibt bewusst unverändert:
Encoding-Fehler kam bereits so vom Absender (=3F statt =DC im
Original-Encoded-Word), GoBD verbietet nachträgliche Korrektur
archivierter Originalinhalte.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01WapWkrQusDuBMhaN8WyuXB

cmd/archivmail/cmd_fix_subjects.go

@@ -86,7 +86,7 @@ func runFixSubjects(args []string) {
 		defer func() { idxMgr.Close() }()
 	}
 
-	rows, err := mailStore.ListRawEncodedSubjects(ctx, tenantPtr, *limitFlag)
+	rows, err := collectSubjectCandidates(ctx, mailStore, tenantPtr, *limitFlag)
 	if err != nil {
 		logger.Error("failed to list candidate subjects", "err", err)
 		os.Exit(1)
@@ -109,7 +109,11 @@ func runFixSubjects(args []string) {
 	)
 
 	for _, row := range rows {
-		if !mailparser.HasEncodedWord(row.Subject) {
+		// Two independent defect classes are repaired here:
+		//   1. undecoded RFC 2047 encoded-word (PROJ-84)
+		//   2. raw 8-bit Windows-1252/ISO-8859-1 bytes without encoded-word,
+		//      stored as invalid UTF-8
+		if !mailparser.HasEncodedWord(row.Subject) && !mailparser.NeedsCharsetRepair(row.Subject) {
 			continue
 		}
 

cmd/archivmail/cmd_fix_subjects_candidates.go

@@ -0,0 +1,46 @@
+package main
+
+import (
+	"context"
+
+	"archivmail/internal/storage"
+)
+
+// collectSubjectCandidates merges the two candidate sets the fix-subjects
+// backfill has to consider and removes duplicates (a subject can be affected by
+// both defects at once):
+//
+//   - ListRawEncodedSubjects: subjects that still contain an undecoded RFC 2047
+//     encoded-word (`=?charset?B|Q?...?=`) — the PROJ-84 class.
+//   - ListNonASCIISubjects: subjects with raw 8-bit bytes. A separate query is
+//     unavoidable because such headers carry no `=?...?=` marker at all, so the
+//     encoded-word LIKE filter can never match them.
+//
+// limit <= 0 means no limit; otherwise it caps the merged result so that
+// --limit stays a predictable upper bound on inspected mails.
+func collectSubjectCandidates(ctx context.Context, store *storage.Store, tenantID *int64, limit int) ([]storage.SubjectRow, error) {
+	encoded, err := store.ListRawEncodedSubjects(ctx, tenantID, limit)
+	if err != nil {
+		return nil, err
+	}
+	nonASCII, err := store.ListNonASCIISubjects(ctx, tenantID, limit)
+	if err != nil {
+		return nil, err
+	}
+
+	seen := make(map[string]struct{}, len(encoded)+len(nonASCII))
+	out := make([]storage.SubjectRow, 0, len(encoded)+len(nonASCII))
+	for _, list := range [][]storage.SubjectRow{encoded, nonASCII} {
+		for _, r := range list {
+			if _, dup := seen[r.ID]; dup {
+				continue
+			}
+			seen[r.ID] = struct{}{}
+			out = append(out, r)
+			if limit > 0 && len(out) >= limit {
+				return out, nil
+			}
+		}
+	}
+	return out, nil
+}