Content Extraction Prompt

1. 1Aggregiert Inhalte aus zweigeteilten Vorlagen (Grundlagen und Übungen) in ein einzelnes Seitenobjekt und kehrt dabei die Reihenfolge um.
2. 2Segmentiert Fließtext anhand von Überschriften in einzelne tt_content-Blöcke und bereinigt Spaltenumbrüche sowie Rechtschreibfehler.
3. 3Mappt spezielle Layoutelemente wie Callout-Boxen, DropCaps, Listen und Hinweiskästen direkt auf spezifische TYPO3-Elementtypen (z. B. mask_text_icon mit lightbulb-Icon und div-Trenner).
4. 4Gibt valide JSON-Daten mit standardisierten Feldern (CType, header, bodytext mit definiertem HTML-Subset, tags) aus.

# Content Extraction Prompt

## Input Description
- Source Format: Mehrseitiges Dokument (z.B. PDF)
- Layout:
  - Columns: Mehrspaltig. Textfluss kann über Spalten hinweg gehen.
  - Structure: Inhalte sind logisch in "Grundlagen" (Seite 1) und "Übung" (Seite 2) getrennt.
  - Typography: Verwendet verschiedene Überschriftengrößen, Fettdruck und potenziell Hashtags.
  - Special Elements:
    - DropCap: Textblöcke, die mit einem großen Initialbuchstaben beginnen.
    - CalloutBox: Textblasen oder Kästen mit Zusatzinformationen.
    - GoalList: Ein als "Ziele" markierter Abschnitt mit einer Aufzählung.
    - Hint: Wenn "Hinweis" oder "Tipp" im Text vorkommt oder visuell ein Rahmen beim Inhaltselement vorhanden ist (in der Vorlage), dann automatisch ein Inhaltselement mit `ctype="mask_text_icon"` (Text & Icon) anlegen. Das Feld `tx_mask_icon` soll "lightbulb" auswählen. Header und Text sollen wie die anderen Content-Elemente befüllt werden.

## Processing Rules
- PageAggregation
  - Fasse den Inhalt der "Grundlagen"-Seite und der zugehörigen "Übungs"-Seite in einem einzigen `page`-Objekt in der JSON-Ausgabe zusammen.
  - Die Reihenfolge der Elemente soll sein: die anzulegenden Inhalte TYPO3 sollen zuerst die Bereiche Übungen enthalten und dann die Grundlagen.
  - Die erste Überschrift der angelegten Content-Elemente von Grundlagen (quasi Seite 1) soll `header_layout=1` bekommen.
  - Vor diesem Element lege ein Divider-Content-Element (`ctype:"div"`) an.
- ContentChunking
  - Segmentiere den Inhalt in `tt_content`-Einträge. Eine neue `tt_content`-Instanz beginnt immer mit einer neuen Überschrift. Jeder `tt_content`-Eintrag soll genau eine Überschrift und den dazugehörigen Textabsatz enthalten.
- ShortContentHandlinga
  - Sehr kurze `tt_content`-Einträge, die nur aus wenigen Worten bestehen, sollen entweder weggelassen oder in den vorherigen bzw. nachfolgenden `tt_content`-Eintrag integriert werden.
- SpellingCorrection
  - Überprüfe und korrigiere alle Texte und Überschriften auf Rechtschreibfehler.
- SpecialElementHandling
  - DropCap: Erstelle für einen Textblock, der mit einem großen, abgesetzen Buchstaben beginnt, ein eigenes `tt_content`-Element. Inkludiere den ersten Buchstaben im ersten Wort.
  - CalloutBox: Lege für Textinhalte in einer Textblase eine passende, neue Überschrift an (z.B. "Zusatzinformation") und erstelle ein eigenes `tt_content`-Element dafür.
  - GoalList: Der als "Ziele" markierte Abschnitt soll ein eigener `tt_content`-Block werden. Entferne Pfeil-Symbole aus der Aufzählung. Die Aufzählungen sollen schlussendlich als `<ul>`-Liste generiert werden.
- TextFlow
  - Erkenne Textflüsse über Spaltengrenzen hinweg. Ein Absatz endet erst dort, wo die nächste logische Überschrift beginnt.

## Output Specification
- Format: JSON
- Structure:
  - Description: Die JSON-Struktur muss dem folgenden Aufbau folgen. Die Wurzel ist ein Objekt mit einem `pages`-Array.
  - Schema:
    ```json
    {
      "pages": [
        {
          "title": "Seitentitel (z.B. aus dem Thema der Grundlage)",
          "tt_content": [
            {
              "CType": "header",
              "header": "Titel des ersten Inhaltsblocks",
              "bodytext": "<p>Formatierter HTML-Text...</p>",
              "tags": ["tag1", "tag2"]
            },
            {
              "CType": "text",
              "header": "Titel des zweiten Inhaltsblocks",
              "bodytext": "<p>Weiterer formatierter Text mit <strong>Hervorhebungen</strong> und <a href='...'>Links</a>.</p>",
              "tags": []
            }
          ]
        }
      ]
    }
    ```
- Field Rules:
  - Field `CType`:
    - Der erste `tt_content`-Eintrag einer Seite sollte den CType `header` haben. Alle folgenden können `text` oder `textmedia` sein. Zusätzlich kann noch ein `div` bzw. ein `mask_text_icon` verwendet werden. 
  - Field `bodytext`:
    - Der Text soll als simples HTML formatiert sein. Erlaubte Tags sind: `<p>`, `<br>`, `<h2>`, `<h3>`, `<ul>`, `<li>`, `<strong>`. Im Dokument fett formatierter Text muss in `<strong>`-Tags eingeschlossen werden. Hyperlinks müssen als `<a>`-Tags erhalten bleiben.
  - Field `tags`:
    - Falls Hashtags im Quelldokument vorhanden sind (z.B. `#Thema`), extrahiere diese. Die extrahierten Tags sollen im JSON-Array als Strings ohne das `#`-Symbol gespeichert werden. Wenn keine Hashtags vorhanden sind, soll das Array leer sein.