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

n8nにおけるバイナリデータは、**あらゆるファイルのペイロード**（画像、PDF、CSV、ドキュメントなど）を指します。ワークフローが**ファイルを受け取り**、**有用な内容を抽出**し、**再構成**して**次のステップへ渡す**ことを目的としています。

定義

n8nでのバイナリデータの扱いは、シンプルで繰り返し可能なプロセスに従います。CSV、画像、PDFなど、どのファイル形式でも同じ論理が適用されます。ファイルを受け取り、その詳細を確認し、必要な内容を抽出し、ワークフローの次のステップに備えます。

- ファイル入力を受け取る（例：ファイルフィールド付きのフォーム送信）。
- ファイル名、MIMEタイプ、サイズを確認してバイナリペイロードを検査。
- CSVを行データに変換したり、画像をbase64に変換したりして内容を抽出。
- 抽出したデータのクリーンアップ、フィルタリング、集計、要約。
- 次のノードやAPIの要件に応じて、ファイル、テキスト（base64）、ファイル間の変換を必要に応じて実施。

フィールド名は重要です。ノードが**入力バイナリフィールド**を要求する場合、ファイルを保持しているフィールド名と正確に一致している必要があります。一致しない場合、出力は空になります。

注意

### ステップバイステップ CSV 例

まず、**ファイルフィールド**付きのフォーム送信トリガーを設定。アップロードを `.csv` や `.png` などの拡張子で制限可能。テスト用にサンプルファイルをアップロードし、CSV を抽出。

ファイルが届いたら、ノード出力を確認し、**バイナリセクション**を開く。ファイル名、MIME タイプ、ファイルサイズが表示される。

次に、**CSV リーダー**を使用して内容を抽出。**Input Binary Field** をアップロードされたファイルフィールドの正確な名前に設定。各 CSV 行が個別のアイテムとなる。

抽出後、データを整形。不要な行を除外し、カラムを正しい型に変換（例：`release_year` を数値に）、`title` や `release_year` など重要なフィールドのみ保持。行単位のデータが不要な場合は、タイプごとにグループ化や合計カウントなどで要約可能。

最後に出力を構造化。**Aggregate** で全アイテムを AI やレポート用に 1 つのリストにまとめたり、**Split Out** で各アイテムを個別に処理。これによりワークフローが明確・効率的・予測可能になる。

n8n ワークフローでバイナリデータを扱う際、最初に行うべきことは何ですか？

n8nは、アプリの連携、データ変換、AIを活用したワークフローの構築が可能な柔軟な自動化プラットフォームです。実践的な例を通じて、トリガー、JSONの取り扱い、データフロー理論、AI統合、Webhook、完全な自動化構築など、基礎をしっかりと身につけます。ワークフロー内で情報がどのように流れるか、ノードやAPIが予測通りに動作するよう情報をどのように構造化するかに重点を置いています。その結果、エンドツーエンドで確実に動作する信頼性の高い自動化を設計、デバッグ、リリースできる能力が身につきます。

n8nの環境、主要ツール、および自動化を構築するために必要なマインドセットの実践的な概要。AIを効果的に活用する方法、データがノードを通じてどのように流れるかの理解、テンプレートのインポート、生データを構造化された出力へ変換する手法などの概念を含む。

ワークフローの基本的な構成要素に焦点を当てた解説。トリガー、データ操作ノード、HTTPリクエスト、Webhook、フロー制御ロジック。実行の開始方法、データの形成方法、ルーティングの意思決定方法について明確なメンタルモデルを構築する内容。

n8nがデータをどのように表現し、処理するかについての詳細な解説。トピックには、JSON構造、フルペイロードの読み取り、不正なJSONの修復、配列やオブジェクトの取り扱い、バイナリファイルの操作が含まれる。すべてのワークフローにおいて予測可能で自信を持ったデータ処理を目指す。

ODTプランを構造化された自動化設計図へと段階的に変換するプロセス。信頼性の高いRSSフィード、LLM向けデータの準備、Airtableループによるツイート生成、成果志向のフロー設計、Miro内での全体ワークフローのマッピングについて解説します。

初期コンセプトから最終アウトプットまでの完全な構築。フローの構成、APIデータの正規化、ループ処理、エラープルーフ化、Airtableへの書き戻しなどのトピックを含み、エンドツーエンドの信頼性と明瞭さを示す洗練された自動化を実現します。

バイナリデータの操作

ステップバイステップ CSV 例