Text for item 0 is not defined
Information Extractor nu are text din care să extragă: câmpul Text are o expresie către un câmp inexistent. Corectează expresia către câmpul real (de exemplu {{ $json.text }} sau {{ $json.body }}).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Information Extractor extrage atribute (furnizor, sumă, dată) din textul din câmpul Text. Dacă textul e gol pentru un item, se oprește cu un mesaj de tipul Text for item 0 is not defined. Ca la clasificator, cauza e aproape mereu expresia: nume de câmp diferit, date la alt nivel ($json.body.text), sau date dintr-un nod mai vechi.
După ce repari textul, verifică și atributele: cele marcate Required trebuie să existe în text, altfel modelul poate inventa sau extracția eșuează.
De ce apare: cauzele frecvente
1Câmp greșit
Text: {{ $json.continut }}Text: {{ $json.text }}Expresia trebuie să ducă la textul real.
2Email din Gmail
Text: {{ $json.body }}Text: {{ $json.text }}Gmail pune conținutul simplu în câmpul text.
3Date din alt nod
Text: {{ $json.text }} (după un nod care a schimbat structura)Text: {{ $('Email').item.json.text }}$json vede doar nodul anterior.
Repară eroarea, direct în pagină
Information Extractor trebuie să scoată furnizorul și suma din emailurile cu facturi, dar câmpul Text e {{ $json.continut }}, iar textul e în text. Corectează și rulează: extractorul trebuie să dea furnizorul Distribuție IT SRL și suma 1840.5.
Indiciu
Uită-te în INPUT la numele câmpului cu textul emailului.
Reparația
1. Information Extractor → Text: {{ $json.text }}. 2. Execute workflow: output = { furnizor: "Distribuție IT SRL", suma: 1840.5 }.
De ce merge
Expresia lua un câmp inexistent, deci extractorul nu avea text. Cu $json.text, modelul primește emailul și extrage atributele cerute.
Alte forme ale mesajului
Atributul obligatoriu nu a putut fi găsit în textCâmpul „Text” este gol
Cum o eviți pe viitor
- Trage câmpul cu textul din INPUT.
- Descrie fiecare atribut clar, cu formatul dorit (de exemplu dată AAAA-LL-ZZ).
- Marchează Required doar atributele care sigur apar.
Întrebări frecvente
Când aleg Information Extractor în loc de un LLM Chain cu parser?
Când vrei doar câmpuri dintr-un text: e mai simplu de configurat. LLM Chain e mai flexibil pentru generare.
Ce fac dacă modelul inventează valori?
Scoate Required de la atributele opționale și spune în descriere „lasă gol dacă nu apare”.
Erori înrudite
Text to classify for item 0 is not defined Câmpul Text to Classify din Text Classifier e gol pentru item-ul indicat: expresia folosește un câmp care nu există în date. Pune expresia către câmpul real cu textul (de exemplu {{ $json.mesaj }}). Model output doesn't fit required format Ai cerut un format fix (Require Specific Output Format + Structured Output Parser), dar textul modelului nu se potrivește cu schema: lipsesc câmpuri, tipuri diferite sau JSON invalid (ori chiar exemplul din parser nu e JSON valid). Verifică exemplul JSON din parser, descrie clar formatul în prompt și activează Auto-fixing dacă e nevoie. undefined în textul generat (Bună, undefined!) Codul citește un câmp care nu există (nume scris greșit, majuscule diferite sau câmp aflat mai adânc), iar JavaScript pune cuvântul undefined în text. Verifică numele exact al câmpului în Input și, pentru câmpurile opționale, pune o valoare implicită cu ??. Învață n8n de la zero, cu exerciții la fiecare lecție
Curs Automatizări AI cu n8n: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 10 lecții sunt gratuite.
