Summary  
This chapter covers handling binary payloads by receiving file inputs, inspecting metadata, extracting and parsing contents (e.g., converting CSV to records or images to base64), transforming or filtering the resulting data, and converting between binary and text formats.

General domain of usage  
File-based data processing workflows

Binære data i n8n er **enhver fil-payload**, herunder billeder, PDF'er, CSV'er og dokumenter. Formålet er at lade et workflow **modtage en fil**, **udtrække nyttigt indhold**, **omforme det** og **videregive det** til de næste trin.

Definition

Håndtering af binære data i n8n følger en enkel og gentagelig proces. Uanset om du arbejder med CSV'er, billeder eller PDF'er, gælder den samme logik: modtag filen, inspicér dens detaljer, udtræk det relevante og forbered det til næste trin i dit workflow.

- Modtag en filinput (for eksempel en formularindsendelse med et filfelt).
- Inspicér den binære payload ved at kontrollere filnavn, MIME-type og størrelse.
- Udtræk indholdet, såsom at omdanne en CSV til rækker eller et billede til base64.
- Rens, filtrér, aggreger eller opsummer de udtrukne data.
- Konverter eventuelt mellem fil, tekst (base64) og fil igen, afhængigt af hvad næste node eller API forventer.

Feltnavne er vigtige. Når en node beder om et **input binært felt**, skal det matche det præcise feltnavn, der indeholdt filen. En uoverensstemmelse betyder, at du får en tom output.

Note

### Trin-for-trin CSV-eksempel

Start med at opsætte en formularindsendelses-trigger med et **filfelt**. Du kan begrænse uploads efter filtype, såsom `.csv` eller `.png`. Til test kan du uploade en eksempel-fil og udtrække CSV'en.

Når filen er modtaget, inspicer node-outputtet og åbn **binær-sektionen**. Du vil se filnavn, MIME-type og filstørrelse.

Brug derefter en **CSV-læser** til at udtrække indholdet. Indstil **Input Binary Field** til det præcise navn på det uploadede filfelt. Hver række i CSV'en bliver til sit eget element.

Når dataene er udtrukket, omform dem. Filtrer rækker fra, du ikke har brug for, konverter kolonner til de korrekte typer (for eksempel, gør `release_year` til et tal), og behold kun vigtige felter som `title` og `release_year`. Hvis data på rækkeniveau ikke er nødvendige, kan du opsummere dem, for eksempel ved at gruppere efter type eller tælle totaler.

Til sidst skal du strukturere outputtet. Brug **Aggregate** til at samle alle elementer i én liste til AI eller rapportering, eller **Split Out** til at behandle hvert element individuelt. Dette holder dit workflow klart, effektivt og forudsigeligt.

Hvad er det første, du skal gøre, når du håndterer binære data i et n8n workflow?

n8n er en fleksibel automatiseringsplatform til at forbinde apps, transformere data og opbygge AI-drevne arbejdsgange. Du opnår solide grundlæggende færdigheder gennem virkelige, praktiske eksempler, der dækker triggere, JSON-håndtering, dataflow-teori, AI-integration, webhooks og komplette automatiseringsopbygninger. Fokus er på at forstå, hvordan information bevæger sig gennem en arbejdsgang, og hvordan denne information struktureres, så noder og API'er opfører sig forudsigeligt. Resultatet er evnen til at designe, fejlfinde og implementere pålidelige automatiseringer, der fungerer fra ende til anden.

En praktisk oversigt over n8n's miljø, kerneværktøjer og den nødvendige tankegang for at opbygge automatiseringer. Begreber omfatter effektiv anvendelse af AI, forståelse af hvordan data flyder gennem noder, import af skabeloner og omdannelse af rå input til struktureret output.

En fokuseret gennemgang af de væsentlige arbejdsgangskomponenter. Triggere, datamanipulationsnoder, HTTP-forespørgsler, webhooks og flowkontrollogik. Materialet opbygger en klar mental model for, hvordan eksekveringer starter, hvordan data formes, og hvordan rutevalg træffes.

En grundig gennemgang af, hvordan n8n repræsenterer og behandler data. Emner omfatter JSON-struktur, læsning af komplette payloads, reparation af defekt JSON, håndtering af arrays og objekter samt arbejde med binære filer. Målet er forudsigelig og sikker datahåndtering på tværs af alle workflows.

En trinvis omdannelse af en ODT-plan til en struktureret automatiseringsplan. Materialet dækker pålidelige RSS-feeds, forberedelse af data til LLM'er, generering af tweets med Airtable-løkker, design af resultatbaserede flows og kortlægning af hele workflowet i Miro.

En komplet opbygning fra det indledende koncept til det endelige output. Emner omfatter strukturering af flowet, normalisering af API-data, løkker, fejlsikring og tilbageskrivning til Airtable med en gennemarbejdet automatisering, der demonstrerer pålidelighed og klarhed fra ende til anden.

Arbejde med Binære Data

Trin-for-trin CSV-eksempel