fix: Bugfixes, toten Code entfernt, Cache-Normalisierung & Session

Echte Bugs:
- extractor: JSON-LD-Crash bei Nicht-Dict-Items (isinstance-Guard)
- baseline/__main__: Crawl-Fehler ins Snapshot-Manifest -> erscheinen im Report
- __main__: Whitelist-/Header-/Webshell-Checks nur noch auf status==200
- crawler: Noise-Param-Regex auf Voll-Key (view=/value= nicht mehr verworfen)
- differ/__main__: unerwartetes JSON-LD via eigenem Kanal, auch auf
  unveraenderten Seiten erkannt, kein Re-Alert auf bereits genehmigte Typen

Aufgeraeumt:
- checker: check_internal_paths, find_broken_pages, canonical_is_hijacked,
  check_jsonld_types entfernt (nicht verdrahtet)
- allowed_paths.yaml-Logik und tote Scoring-Keys entfernt
- tote Imports entfernt

Neuer aktiver Schutz:
- Webshell-/Backdoor-Dateinamen-Check verdrahtet (suspicious_filename: 60).
  Regex wortgrenzen-verankert gegen Fehlalarm auf PSEMailerAntispam.js

Effizienz/Struktur:
- crawler nutzt requests.Session (keep-alive)
- Cache-Buster-Normalisierung an einer Stelle (Extraktion) -> stabile
  Snapshots, differ wieder reiner Set-Diff

Tests: 111 gruen (neu: test_checker.py + Regressionstests)
CLAUDE.md aktualisiert

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

tests/test_crawler.py

@@ -32,6 +32,16 @@ class TestNormalizeUrl:
         assert "sid" not in url
         assert "id=5" in url
 
+    def test_strips_cache_buster_v(self):
+        url = normalize_url("https://example.com/?v=1781223996&id=5")
+        assert "v=1781223996" not in url
+        assert "id=5" in url
+
+    def test_keeps_non_noise_v_prefixed_param(self):
+        # 'view' must NOT be dropped just because it starts with 'v'
+        url = normalize_url("https://example.com/?view=gallery")
+        assert "view=gallery" in url
+
     def test_adds_default_path(self):
         result = normalize_url("https://example.com")
         assert result.endswith("/") or "example.com" in result