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

Binärdata i n8n är **alla fil-payloads**, inklusive bilder, PDF-filer, CSV-filer och dokument. Syftet är att låta ett arbetsflöde **ta emot en fil**, **extrahera användbart innehåll**, **omforma det** och **skicka det vidare** till nästa steg.

Definition

Hantering av binärdata i n8n följer en enkel och upprepningsbar process. Oavsett om du arbetar med CSV-filer, bilder eller PDF-filer gäller samma logik: ta emot filen, inspektera dess detaljer, extrahera det som är relevant och förbered det för nästa steg i arbetsflödet.

- Ta emot en filinmatning (till exempel ett formulär med ett filfält).
- Inspektera den binära payloaden genom att kontrollera filnamn, MIME-typ och storlek.
- Extrahera innehållet, såsom att omvandla en CSV till rader eller en bild till base64.
- Rensa, filtrera, aggregera eller sammanfatta den extraherade datan.
- Valfritt konvertera mellan fil, text (base64) och fil igen, beroende på vad nästa nod eller API förväntar sig.

Fältnamn är viktiga. När en nod efterfrågar ett **binärt indatafält** måste det matcha exakt det fältnamn som bar filen. Om det inte stämmer får du en tom utdata.

Notering

### Steg-för-steg-exempel med CSV

Börja med att konfigurera en formulärutlösare med ett **filfält**. Du kan begränsa uppladdningar efter filändelse, såsom `.csv` eller `.png`. För testning, ladda upp en exempel-fil och extrahera CSV-filen.

När filen har anlänt, inspektera nodens utdata och öppna **binärsektionen**. Du ser då filnamn, MIME-typ och filstorlek.

Använd därefter en **CSV-läsare** för att extrahera innehållet. Ställ in **Input Binary Field** till det exakta namnet på det uppladdade filfältet. Varje rad i CSV-filen blir ett eget objekt.

När datan har extraherats, omstrukturera den. Filtrera bort rader du inte behöver, konvertera kolumner till rätt datatyper (till exempel, gör `release_year` till ett nummer), och behåll endast viktiga fält som `title` och `release_year`. Om radnivådata inte krävs kan du sammanfatta den, exempelvis genom att gruppera efter typ eller räkna totaler.

Slutligen, strukturera utdata. Använd **Aggregate** för att kombinera alla objekt till en lista för AI eller rapportering, eller **Split Out** för att behandla varje objekt individuellt. Detta gör arbetsflödet tydligt, effektivt och förutsägbart.

Vad är det första du bör göra när du hanterar binärdata i ett n8n-arbetsflöde?

n8n är en flexibel automationsplattform för att koppla samman appar, transformera data och bygga AI-drivna arbetsflöden. Du utvecklar starka grundläggande kunskaper genom verkliga, praktiska exempel som täcker triggers, hantering av JSON, teori om dataflöden, AI-integration, webhooks och kompletta automationsbyggen. Fokus ligger på att förstå hur information rör sig genom ett arbetsflöde och hur denna information struktureras så att noder och API:er beter sig förutsägbart. Resultatet är förmågan att designa, felsöka och leverera tillförlitliga automationer som fungerar från början till slut.

En praktisk översikt av n8n:s miljö, kärnverktyg och det tankesätt som krävs för att bygga automationer. Begrepp inkluderar effektiv användning av AI, förståelse för hur data flödar genom noder, import av mallar samt omvandling av råa indata till strukturerad utdata.

En fokuserad genomgång av de väsentliga komponenterna i arbetsflöden. Triggers, datamanipuleringsnoder, HTTP-förfrågningar, webhooks och flödesstyrningslogik. Materialet bygger en tydlig mental modell för hur exekveringar startar, hur data formas och hur ruttbeslut fattas.

En djupgående genomgång av hur n8n representerar och bearbetar data. Ämnen inkluderar JSON-struktur, läsning av hela payloads, reparation av felaktig JSON, hantering av arrayer och objekt samt arbete med binära filer. Målet är förutsägbar och säker datahantering i alla arbetsflöden.

En steg-för-steg-omvandling av en ODT-plan till en strukturerad automationsplan. Materialet omfattar tillförlitliga RSS-flöden, förberedelse av data för LLM, generering av tweets med Airtable-loopar, utformning av resultatdrivna flöden samt kartläggning av hela arbetsflödet i Miro.

En fullständig genomgång från initialt koncept till slutligt resultat. Ämnen inkluderar strukturering av flödet, normalisering av API-data, loopar, felsäkring och återföring till Airtable med en förfinad automation som uppvisar tillförlitlighet och tydlighet från början till slut.

Arbeta med Binärdata

Steg-för-steg-exempel med CSV