FLV格式分析

FLV格式分析

---

目录

1. FVL概述
2. 框架解析图
3. FLV Header
4. FLV Body

博客推荐（感觉直接看这篇就可以了，我的算是补充）：flv格式详解+实例剖析

---

1. FVL概述

1. FLV(Flash Video)是Adobe公司推出的⼀种流媒体格式，由于其封装后的⾳视频⽂件体积⼩、封装简单等特点，⾮常适合于互联⽹上使⽤。⽬前主流的视频⽹站基本都⽀持FLV。采⽤FLV格式封装的⽂件后缀为.flv。
2. FLV封装格式是由⼀个⽂件头(file header)和 ⽂件体(file Body)组成。
3. FLV body由⼀对对的(Previous Tag Size字段 + tag)组成。Previous Tag Size字段排列在Tag之前，占⽤4个字节。Previous Tag Size记录了前⾯⼀个Tag的⼤⼩，⽤于逆向读取处理。FLV header后的第⼀个Pervious Tag Size的值为0。
4. Tag⼀般可以分为3种类型：脚本(帧)数据类型、⾳频数据类型、视频数据类型。FLV数据以⼤端序进⾏存储，在解析时需要注意。
5. ⼀个标准FLV⽂件结构如下图：
   
6. FLV⽂件的详细内容结构如下图：
   

---

2. 框架解析图

---

3. FLV Header

1. 注：在下⾯的数据type中，UI表示⽆符号整形，后⾯跟的数字表示其⻓度是多少位。⽐如UI8，表示⽆符号整形，⻓度⼀个字节。UI24是三个字节,UI[8*n]表示多个字节。UB表示位域，UB5表示⼀个字节的5位。可以参考c中的位域结构体。
2. FLV头占9个字节，⽤来标识⽂件为FLV类型，以及后续存储的⾳视频流。⼀个FLV⽂件，每种类型的tag都属于⼀个流，也就是⼀个flv⽂件最多只有⼀个⾳频流，⼀个视频流，不存在多个独⽴的⾳视频流在⼀个⽂件的情况。

1. FLV头的结构如下：

---

4. FLV Body

1. FLV Header之后，就是FLV File Body。FLV File Body是由⼀连串的back-pointers + tags构成。Back-pointer表示Previous Tag Size(前⼀个tag的字节数据⻓度)，占4个字节。
   

1. FLV Tag

1. 每⼀个Tag也是由两部分组成:tag header和tag data。Tag Header⾥存放的是当前tag的类型、数据区(tag data)的⻓度等信息。

1. tag header

1. tag header⼀般占11个字节的内存空间。FLV tag结构如下：
   
2. 注意：
3. flv⽂件中Timestamp和TimestampExtended拼出来的是dts。也就是解码时间。Timestamp和TimestampExtended拼出来dts单位为ms。(如果不存在B帧，当然dts等于pts)
4. CompositionTime 表示PTS相对于DTS的偏移值， 在每个视频tag的第14~16字节 。显示时间(pts) = 解码时间（tag的第5~8字节） +CompositionTime。
5. CompositionTime的单位也是ms
6. Script data脚本数据就是描述视频或⾳频的信息的数据，如宽度、⾼度、时间等等，⼀个⽂件中通常只有⼀个元数据，⾳频tag和视频tag就是⾳视频信息了，采样、声道、频率，编码等信息。

2. Script Tag Data结构(脚本类型、帧类型)

1. 该类型Tag⼜被称为MetaData Tag,存放⼀些关于FLV视频和⾳频的元信息，⽐如：duration、width、height等。通常该类型Tag会作为FLV⽂件的第⼀个tag，并且只有⼀个，跟在File Header后。该类型Tag Data的结构如下所示:
   
2. 第⼀个AMF包： 第1个字节表示AMF包类型，⼀般总是0x02，表示字符串。第2-3个字节为UI16类型值，标识字符串的⻓度，⼀般总是0x000A（“onMetaData”⻓度）。后⾯字节为具体的字符串，⼀般总为“onMetaData”（6F,6E,4D,65,74,61,44,61,74,61）。
3. 第⼆个AMF包： 第1个字节表示AMF包类型，⼀般总是0x08，表示数组。第2-5个字节为UI32类型值，表示数组元素的个数。后⾯即为各数组元素的封装，数组元素为元素名称和值组成的对。常⻅的数组元素如下表所示。
   

3. Audio Tag Data结构(⾳频类型)

1. ⾳频Tag Data区域开始的：
   1. 第⼀个字节包含了⾳频数据的参数信息，
   2. 第⼆个字节开始为⾳频流数据。
2. （这两个字节属于tag的data部分，不是header部分）
3. 第⼀个字节为⾳频的信息（仔细看spec发现对于AAC⽽⾔，⽐较有⽤的字段是SoundFormat），格式如下：
   
4. 第⼆个字节开始为⾳频数据（需要判断该数据是真正的⾳频数据，还是⾳频config信息）
   
   
5. 如果是AAC数据，如果他是AAC RAW, tag data[3] 开始才是真正的AAC frame data。
   

4. Video Tag Data结构(视频类型)

1. 视频Tag Data开始的：
   1. 第⼀个字节包含视频数据的参数信息。
   2. 第⼆个字节开始为视频流数据。
2. 第⼀个字节包含视频信息，格式如下:
   
3. 第⼆个字节开始为视频数据
   
   
4. CompositionTime 单位毫秒
   1. CompositionTime 每个视频tag（整个tag）的第14~16字节（如果是tag data偏移[3]~[5],[0],[1][2:AVCPackettype] ）（表示PTS相对于DTS的偏移值 ）。
   2. CompositionTime 单位为ms : 显示时间 = 解码时间（tag的第5~8字节,位置索引[4]~[7]）+ CompositionTime
      
      f