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**, inkludert bilder, PDF-er, CSV-filer og dokumenter. Formålet er å la en arbeidsflyt **motta en fil**, **ekstrahere nyttig innhold**, **omforme det**, og **sende det videre** til neste steg.

Definisjon

Håndtering av binære data i n8n følger en enkel og repeterbar prosess. Enten du arbeider med CSV-filer, bilder eller PDF-er, gjelder samme logikk: motta filen, inspiser detaljene, ekstraher det som er relevant, og forbered det for neste steg i arbeidsflyten.

- Motta en filinput (for eksempel et skjema med et filfelt).
- Inspiser den binære payloaden ved å sjekke filnavn, MIME-type og størrelse.
- Ekstraher innholdet, for eksempel ved å gjøre en CSV om til rader eller et bilde til base64.
- Rens, filtrer, aggreger eller oppsummer de ekstraherte dataene.
- Valgfritt: konverter mellom fil, tekst (base64) og fil igjen, avhengig av hva neste node eller API forventer.

Feltnavn er viktige. Når en node ber om et **input binært felt**, må det matche det eksakte feltnavnet som inneholdt filen. Feil navn gir tomt resultat.

Merk

### Trinnvis CSV-eksempel

Start med å sette opp en skjemautløser med et **filfelt**. Du kan begrense opplastinger etter filtype, for eksempel `.csv` eller `.png`. For testing, last opp en eksempel-fil og trekk ut CSV-en.

Når filen er mottatt, inspiser nodeutdataene og åpne **binærseksjonen**. Du vil se filnavn, MIME-type og filstørrelse.

Bruk deretter en **CSV-leser** for å trekke ut innholdet. Sett **Input Binary Field** til det nøyaktige navnet på det opplastede filfeltet. Hver rad i CSV-en blir et eget element.

Når dataene er hentet ut, omstrukturer dem. Filtrer ut rader du ikke trenger, konverter kolonner til riktige typer (for eksempel, gjør `release_year` til et tall), og behold kun viktige felt som `title` og `release_year`. Hvis radnivådata ikke er nødvendig, kan du oppsummere, for eksempel ved å gruppere etter type eller telle totaler.

Til slutt, strukturer utdataene. Bruk **Aggregate** for å kombinere alle elementer til én liste for AI eller rapportering, eller **Split Out** for å behandle hvert element individuelt. Dette holder arbeidsflyten din tydelig, effektiv og forutsigbar.

Hva er det første du bør gjøre når du håndterer binære data i en n8n-arbeidsflyt?

n8n er en fleksibel automatiseringsplattform for å koble sammen apper, transformere data og bygge AI-drevne arbeidsflyter. Du vil utvikle solide grunnleggende ferdigheter gjennom virkelige, praktiske eksempler, som dekker utløsere, håndtering av JSON, teori om dataflyt, AI-integrasjon, webhooks og komplette automatiseringsprosesser. Fokuset er på å forstå hvordan informasjon beveger seg gjennom en arbeidsflyt og hvordan denne informasjonen kan struktureres slik at noder og API-er oppfører seg forutsigbart. Resultatet er evnen til å designe, feilsøke og levere pålitelige automatiseringer som fungerer fra ende til ende.

En praktisk oversikt over n8ns miljø, kjerneverktøy og tankesett som kreves for å bygge automatiseringer. Konsepter inkluderer effektiv bruk av AI, forståelse av hvordan data flyter gjennom noder, import av maler og omforming av rådata til strukturert output.

En grundig gjennomgang av de essensielle komponentene i arbeidsflyter. Utløsere, datamanipuleringsnoder, HTTP-forespørsler, webhooks og flytkontrolllogikk. Materialet gir en tydelig mental modell for hvordan kjøringer starter, hvordan data formes, og hvordan rutingsbeslutninger tas.

En grundig gjennomgang av hvordan n8n representerer og behandler data. Temaer inkluderer JSON-struktur, lesing av komplette payloads, reparasjon av ugyldig JSON, håndtering av arrayer og objekter, samt arbeid med binære filer. Målet er forutsigbar og trygg datahåndtering i alle arbeidsflyter.

En trinnvis omforming av en ODT-plan til en strukturert automatiseringsmal. Materialet dekker pålitelige RSS-feeder, klargjøring av data for LLM-er, generering av tweets med Airtable-løkker, utforming av resultatbaserte flyter og kartlegging av hele arbeidsflyten i Miro.

En komplett gjennomgang fra innledende konsept til endelig resultat. Emner inkluderer strukturering av flyten, normalisering av API-data, løkker, feilsikring og tilbakeskriving til Airtable med en raffinert automatisering som demonstrerer ende-til-ende pålitelighet og klarhet.

Arbeide med Binærdata

Trinnvis CSV-eksempel