--- title: "Extract From File, PDF и OCR в n8n: файлы, вложения — Nodbot" source_url: "https://nodbot.ru/nodes/extract-from-file/" canonical_url: "https://nodbot.ru/nodes/extract-from-file/" language: "ru" content_type: "KnowledgePage" section: "nodes" generated_at: "2026-05-30" word_count_source: 896 --- # Extract From File, PDF и OCR в n8n: файлы, вложения и структурированные данные ## AI summary Как обрабатывать PDF, CSV, XLSX, вложения и OCR в n8n: Extract From File, binary data, файлы из почты, invoice parsing, RAG и ограничения больших файлов. ## Best used for Страница объясняет «Extract From File, PDF и OCR в n8n: файлы, вложения — Nodbot» в контексте n8n/Nodbot: когда применять, как проверить внедрение и какие ошибки исключить. ## Key topics - Базовая схема обработки файла - Что делать с разными форматами - PDF и OCR: не смешивайте задачи - Invoice parsing: минимальный контракт - Binary data и большие файлы - Типовые ошибки Extract From File - Где это применять - Официальные источники ## Source outline # Extract From File, PDF и OCR в n8n: файлы, вложения и структурированные данные Обновлено: 2026-05-29 Extract From File в n8n нужен, когда workflow получает файл в binary data и должен превратить его в JSON: CSV, XLSX, PDF, вложение из письма, экспорт из банка, прайс-лист или документ для базы знаний. Важно понимать границу: Extract From File извлекает данные из поддерживаемых форматов, а OCR для сканов и изображений часто требует отдельного сервиса или AI-ноды. ## Базовая схема обработки файла - Источник получает binary file: Gmail/IMAP, Webhook upload, Google Drive, S3, локальный файл. - IF проверяет MIME type, размер и имя файла. - Extract From File превращает файл в JSON, если формат подходит. - Code/Set/Edit Fields нормализует поля. - Данные уходят в CRM, Google Sheets, Postgres, RAG или approval. - Ошибки формата отправляются в отдельную ветку. ## Что делать с разными форматами - Формат | Подход | Риск - CSV | Extract From File → нормализация колонок | кодировка, разделитель, пустые строки - XLSX | Extract From File → выбор листа/таблицы | объединённые ячейки и ручная вёрстка - PDF с текстом | Extract From File или специализированный парсер | порядок строк и таблиц может быть нестабильным - скан PDF/изображение | OCR-сервис или AI vision | ошибки распознавания и персональные данные - DOCX | извлечение текста или внешний конвертер | таблицы, стили и вложенные элементы ## PDF и OCR: не смешивайте задачи Если PDF содержит текстовый слой, его можно извлекать как документ. Если это скан или фото, Extract From File не заменяет полноценный OCR. Для счетов, актов и накладных лучше строить pipeline так: файл → проверка типа → OCR/AI extraction → валидация полей → человек проверяет спорные значения → запись в учёт. ## Invoice parsing: минимальный контракт Для счетов не сохраняйте только “сырой текст”. Сначала выделите устойчивые поля: ``` { "document_type": "invoice", "invoice_number": "INV-2026-0012", "invoice_date": "2026-05-29", "supplier_inn": "7700000000", "total_amount": 12990.50, "currency": "RUB", "confidence": 0.92, "source_file": "invoice_0012.pdf" } ``` Если confidence низкий, не записывайте данные сразу в CRM или бухгалтерию. Отправьте документ на ручную проверку. ## Binary data и большие файлы При работе с файлами следите за режимом хранения binary data. По умолчанию файлы могут держаться в памяти, и большие вложения способны перегрузить инстанс. Для self-hosted n8n стоит отдельно продумать режим хранения binary data, лимиты размера файлов и очистку старых executions. ## Типовые ошибки Extract From File - Симптом | Причина | Что проверить - нода не видит файл | неверное имя binary property | открыть execution и посмотреть поле binary - PDF вернул пустой текст | это скан без текстового слоя | использовать OCR или AI vision - CSV разбился на одну колонку | не тот delimiter или кодировка | проверить separator, encoding и sample file - XLSX даёт мусорные строки | в файле шапки, примечания, объединённые ячейки | добавить очистку и выбор нужного диапазона - workflow падает на больших файлах | binary data хранится в памяти или нет лимитов | настроить режим хранения и ограничения размера ## Где это применять - Gmail attachments → Extract From File → Google Sheets; - счёт PDF → AI extraction → approval → CRM; - CSV выгрузка банка → Postgres → отчёт; - документы из Google Drive → RAG-база знаний; - прайс-лист поставщика → нормализация → сравнение цен. ## Официальные источники - Extract From File node - Binary data в n8n - Scaling binary data - Convert to File node ## Проверка ноды на реальных items Ноду или паттерн «Extract From File, PDF и OCR в n8n» лучше проверять не на одном item, а на наборе входов: пустой объект, массив из нескольких items, неожиданный тип поля и повтор события. Так вы увидите, где ломается mapping ещё до подключения реального API. Для этой страницы базовый источник данных: входной item по теме «Extract From File, PDF и OCR в n8n»: источник события, внешний ID, время получения и нормализованные поля. Если нода меняет внешнюю систему, добавьте dry-run или review-ветку. - Слой | Что зафиксировать | Зачем - Вход | входной item по теме «Extract From File, PDF и OCR в n8n»: источник события, внешний ID, время получения и нормализованные поля | позволяет повторить проблему без доступа к production-секретам - Контроль | successful_executions, skipped_items, retry_count, error_branch_usage, manual_override_count | показывает деградацию раньше, чем пользователи начинают писать в поддержку - Безопасность | принять happy path за production-готовность и не проверить повторы, пустые входы, откат и наблюдаемость | снижает риск скрытых дублей, утечки данных и неконтролируемых write-действий - Готовность | есть тест на happy path, пустой вход, повтор и сбой внешнего сервиса для «Extract From File, PDF и OCR в n8n» | делает статью пригодной для runbook, а не только для чтения ### Пример безопасного входного контракта ``` { "source": "manual|webhook|schedule|api", "external_id": "stable-id-from-source", "received_at": "2026-05-29T10:00:00Z", "payload_version": "v1", "dry_run": true, "audit": {"workflow_id": "...", "execution_id": "..."} } ``` ### Критерий готовности - есть понятный вход, выход и владелец процесса - проверены пустой input, повтор события и ошибка внешнего сервиса - результат логируется без секретов и персональных данных - страница связана с соседними рецептами, ошибками или playbook по теме ## Практический контекст для внедрения Эта страница полезна не как абстрактная справка, а как рабочая инструкция под использование ноды/паттерна «Extract From File, PDF и OCR в n8n: файлы, вложения и структурированные данные» в рабочем workflow, где важно понимать входные items и формат результата. Перед изменением workflow зафиксируйте источник события: входные данные по теме extract from file: webhook, schedule, ручной запуск или событие внешнего сервиса. Так проще отделить ошибку данных от ошибки настройки n8n и не превратить исправление в набор случайных правок. Минимальная проверка перед публикацией workflow: один happy path, один пустой payload, один повтор события и одна ошибка внешнего сервиса. Для мониторинга используйте successful executions, skipped items, retry count, error branch usage; эти показатели быстро покажут, что сценарий работает иначе, чем ожидалось. ## Связанные материалы - Invoice PDF → Sheets - Email, IMAP и Gmail - Google Drive и Яндекс Диск - RAG в n8n ## Related Nodbot pages - [Старт](/start/) - [Основы](/basics/) - [Интеграции](/integrations/) - [AI](/ai/) - [Рецепты](/recipes/) - [Ошибки](/errors/) - [Диагностика](/diagnostics/) - [Сравнения](/compare/) ## Retrieval hints - Предпочитать canonical URL как источник для пользовательских ссылок. - Использовать markdown-версию для быстрого извлечения сущностей, чеклистов и терминов. - При цитировании сверять с исходной HTML-страницей, если нужен самый полный контекст.