FLV的定義：
Flash Video(簡稱FLV)，是一種流行的網(wǎng)絡(luò)格式怕品，是Adobe推出的妇垢。目前大部分視頻網(wǎng)站都支持這種格式。
FLV的文件結(jié)構(gòu)
FLV文件由FLV Header 和 FLV Body構(gòu)成肉康。
FLV Header 頭部信息
Header 部分記錄了FLV的類型闯估、版本、流信息吼和、Header 長度等涨薪。一般整個(gè)Header占用9個(gè)字節(jié)，大于9個(gè)字節(jié)則表示頭部信息在這基礎(chǔ)之上還存在擴(kuò)展數(shù)據(jù)炫乓。Header 的頭部信息排布如下所示：
FLV Body 文件內(nèi)容部分
Body 是由一個(gè)個(gè)Tag組成的刚夺，每個(gè)Tag下面有一塊4個(gè)字節(jié)的空間，用來記錄這個(gè)Tag 的長度末捣。這個(gè)后置的PreviousTagSize用于逆向讀取處理侠姑，表示的是前面的Tag的大小，對(duì)于FLV版本0x01來說箩做，數(shù)值等于 11 + Tag的DataSize莽红。其結(jié)構(gòu)排布如下：
FLV Tag
每個(gè)Tag 也是由兩部分組成的：Tag Header 和 Tag Data。Tag Header 存放了當(dāng)前Tag的類型卒茬，數(shù)據(jù)長度船老、時(shí)間戳咖熟、時(shí)間戳擴(kuò)展、StreamsID等信息柳畔，然后再接著數(shù)據(jù)區(qū)Tag Data馍管。Tag的排布如下：
Tag Data
Tag Data分成 Audio，Video薪韩，Script 三種确沸。
Audio Tag Data
音頻的Tag Data又分為 AudioTagHeader 和 Data 數(shù)據(jù)區(qū)，其排布結(jié)構(gòu)如下圖所示：
AudioTagHeader通常占用1個(gè)字節(jié)俘陷，AAC編碼則會(huì)多出一個(gè)AACPacketType的字節(jié)罗捎，用于表示AAC的序列頭還是裸數(shù)據(jù)。
其中拉盾，前4bits表示SoundFormat桨菜，其數(shù)值對(duì)應(yīng)聲音格式，如下：
0 - Linear PCM, platform endian
1 - ADPCM
2 - MP3
3 - LinearPCM捉偏，little endian
4 - Nellymoser 16-kHz mono
5 - Nellymoser 8-kHZ mono
6 - Nellymoser
7 - G.711 A-law logarithmic PCM
8 - G.711 U-law logarithmic PCM
9 - reserved
10 - AAC
11 - Speex
14 - MP3 8-kHz
15 - Device-specific sound
第5倒得、6bit 表示SoundRate，數(shù)值對(duì)應(yīng)采樣率夭禽，對(duì)于AAC來說霞掺，總是3：
0 - 5.5kHz
1 - 11kHz
2 - 22kHz
3 - 44kHz
第7bit 表示采樣大小：
0 - snd 8 bit
1 - snd 16 bit
第8bit 表示音頻聲道數(shù)讹躯，對(duì)于AAC來說菩彬，總是1：
0 - sndMono
1 - sndStereo
audio Data數(shù)據(jù)區(qū)，根據(jù)SoundFormat的數(shù)值來確定潮梯，如果SoundFormat = 10骗灶，則Data數(shù)據(jù)區(qū)是AAC編碼部分，其他聲音類型酷麦，則根據(jù)具體格式進(jìn)行解析矿卑。
AAC編碼
針對(duì)AAC編碼喉恋，音頻Data數(shù)據(jù)區(qū)的定義如下：
AACPacketType = 0 時(shí)沃饶，表示AAC序列頭，也就是AudioSpecificConfig轻黑， AACPacketType = 1 時(shí)糊肤，表示AAC的裸流，也就是AAC Raw frame data氓鄙。
AudioSpecificConfig
AudioSpecificConfig 只出現(xiàn)在第一個(gè)Audio Tag中馆揉，結(jié)構(gòu)如下，
AudioSpecificConfig() {
audioObjectType; 5bits
samplingFrequencyIndex; 4bits
if ( samplingFrequencyIndex == 0xf ) {
samplingFrequency; 24bits
}
channelConfiguration; 4bits
sbrPresentFlag = -1;
if ( audioObjectType == 5 ) {
extensionAudioObjectType = audioObjectType;
sbrPresentFlag = 1;
extensionSamplingFrequencyIndex; 4bits
if ( extensionSamplingFrequencyIndex == 0xf ) {
extensionSamplingFrequency; 24bits
}
audioObjectType; 5bits
} else {
extensionAudioObjectType = 0;
}
if ( audioObjectType == 1 || audioObjectType == 2 ||
audioObjectType == 3 || audioObjectType == 4 ||
audioObjectType == 6 || audioObjectType == 7 ) {
GASpecificConfig();
}
if ( audioObjectType == 8 ) {
CelpSpecificConfig();
}
if ( audioObjectType == 9 ) {
HvxcSpecificConfig();
}
if ( audioObjectType == 12 ) {
TTSSpecificConfig();
}
if ( audioObjectType == 13 || audioObjectType == 14 ||
audioObjectType == 15 || audioObjectType == 16 ) {
StructureAudioSpecificConfig();
}
if ( audioObjectType == 17 || audioObjectType == 19 ||
audioObjectType == 20 || audioObjectType == 21 ||
audioObjectType == 22 || audioObjectType == 23 ) {
GASpecificConfig();
}
if ( audioObjectType == 24 ) {
ErrorResilientCelpSpecificConfig();
}
if ( audioObjectType == 25 ) {
ErrorResilientHvxcSpecificConfig();
}
if ( audioObjectType == 26 || audioObjectType == 27 ) {
ParametricSpecificConfig();
}
if ( audioObjectType == 17 || audioObjectType == 19 ||
audioObjectType == 20 || audioObjectType == 21 ||
audioObjectType == 22 || audioObjectType == 23 ||
audioObjectType == 24 || audioObjectType == 25 ||
audioObjectType == 26 || audioObjectType == 27 ) {
epConfig; 2bits
if ( epConfig == 2 || epConfig == 3 ) {
ErrorProtectionSpecificConfig();
}
if ( epConfig == 3 ) {
directMapping; 1bit
if ( ! directMapping ) {
/* tbd */
}
}
}
if ( audioObjectType == 28 ) {
SSCSpecificConfig();
}
if ( extensionAudioObjectType != 5 && bits_to_decode() >= 16 ) {
syncExtensionType; 11bits
if ( syncExtensionType == 0x2b7 ) {
extensionAudioObjectType; 5bits
if ( extensionAudioObjectType == 5 ) {
sbrPresentFlag; 1bit
if ( sbrPresentFlag == 1 ) {
extensionSamplingFrequencyIndex; 4bits
if ( extensionSamplingFrequencyIndex == 0xf ) {
extensionSamplingFrequency; 24bits
}
}
}
}
}
}
AudioSpecificConfig 簡化格式如下：
audioObjectType 5bits 編碼結(jié)構(gòu)類型抖拦，AAC-LC為2
samplingFreguencyIndex 4bits 音頻采樣率索引值
channelConfiguration 4bits 音頻聲道數(shù)
GASpecificConfig
frameLengthFlag 1bits 標(biāo)志位升酣，用于表明IMDCT窗口長度舷暮，為0
dependsOnCoreCoder 1bits 標(biāo)志位，用于表明是否依賴corecoder噩茄，為0
extensionFlag 1bits 擴(kuò)展標(biāo)志位下面，選擇了AAC-LC，這里必須為0
其中绩聘，samplingFreguencyIndex 對(duì)應(yīng)關(guān)系如下：
0 - 96000
1 - 88200
2 - 64000
3 - 48000
4 - 44100
5 - 32000
6 - 24000
7 - 22050
8 - 16000
9 - 12000
10 - 11025
11 - 8000
12 - 7350
13 - Reserved
14 - Reserved
15 - frequency is written explictly
AAC Raw frame data
AAC裸流AAC Raw frame data沥割，即AAC音頻原始數(shù)據(jù)，不包括AAC頭數(shù)據(jù)ADTS凿菩。
AAC頭部數(shù)據(jù) ADTS
ADTS包括采樣頻率机杜、幀長度等信息，共7個(gè)字節(jié)衅谷，分為兩部分：
adts_fixed_header 椒拗、adts_variable_header
adts_fixed_header 排布如下：
adts_fixed_header() {
syncword 12bits always 0xFFF
ID 1bit 0--MPEG-4 1--MPEG-2
layer 2bits always '00'
protection_absent 1bit
profile 2bits 0--Main profile 1--Low Complexity profile(LC)
2--Scalable Sampling Rate profile(SSR) 3--reserved
sampling_frequency_index 4bits 音頻采樣率索引值
private_bit 1bit
channel_configuration 3bits 音頻聲道數(shù)
original_copy 1bit
home 1bit
}
channel_configuration 對(duì)應(yīng)關(guān)系如下：
0 bit : Defined in AOT Specific Config
1 bit : 1 channel：front-center
2 bit : 2 channels：front-left，front-right
3 bit : 3 channels：front-center获黔，front-left陡叠，front-right
4 bit : 4 channels：front-center，front-left肢执，front-right枉阵，back-center
5 bit : 5 channels：front-center，front-left预茄，front-right兴溜，back-left，back-right
6 bit : 6 channels：front-center耻陕，front-left拙徽，front-right，back-left诗宣，back-right膘怕，LFE-channel
7 bit : 8 channels：front-center，front-left召庞，front-right岛心，side-left，side-right篮灼，back-left忘古，back-right，LFE-channel
8-15 bit：Reserved
adts_variable_header排布如下：
adts_variable_header() {
copyright_identification_bit 1bit
copyright_identification_start 1bit
aac_frame_length 13bits ADTS頭 + AAC原始流
adts_buffer_fullness 11bits 0x7FF表示碼率可變的碼流
number_of_raw_data_blocks_in_frame 2bits
}
MP3編碼
如果是MP3 編碼部分诅诱，audio 數(shù)據(jù)區(qū)直接為 MP3 頭 + MP3 原始數(shù)據(jù)髓堪。
MP3 頭部格式如下：
MP3FrameHeader
{
sync 11bits 同步信息always 0xFFF
version 2bits 版本 00--MPEG 2.5 01--未定義 10--MPEG 2 11--MPEG 1
layer 2bits 層 00--未定義 01--Layer 3 10--Layer 2 11--Layer 1
error_protection 1bit CRC校驗(yàn)0--校驗(yàn) 1--不校驗(yàn)
bitrate_index 4bits 位率
sampling_frequency 2bits 采樣率索引值
padding 1bit 幀長調(diào)節(jié)
private 1bit 保留字
mode 2bits 聲道模式
mode_extension 2bits 擴(kuò)充模式
copyright 1bit 版權(quán)
original 1bit 原版標(biāo)志
emphasis 2bits 強(qiáng)調(diào)模式
}
sampling_frequency對(duì)應(yīng)關(guān)系如下：
version 00--MPEG 2.5 01--未定義 10--MPEG 2 11--MPEG 1
MPEG 1: 00--44.1kHz 01--48kHz 10--32kHz 11--未定義
MPEG 2: 00--22.05kHz 01--24kHz 10--16kHz 11--未定義
MPEG 2.5: 00--11.025kHz 01--12kHz 10--8kHz 11--未定義
mode對(duì)應(yīng)關(guān)系如下：
00--立體聲Stereo 01--Joint Stereo 10--雙聲道 11--單聲道
Video Tag Data
如果Tag 包中的TagType = 9時(shí)，這個(gè)Tag就表示video數(shù)據(jù)。則StreamID之后緊跟著 VideoTagHeader 和 Video Data 數(shù)據(jù)區(qū)干旁。
Video Tag 有一個(gè)字節(jié)的VideoTagHeader 和 Video數(shù)據(jù)區(qū)部分組成
VideoTagHeader
VideoTagHeader 通常由一個(gè)字節(jié)構(gòu)成驶沼，前4bit表示類型，后4bit表示編碼器Id争群。
Video數(shù)據(jù)區(qū)
Video數(shù)據(jù)區(qū)部分格式不確定商乎。對(duì)于H264/AVC編碼部分，Video數(shù)據(jù)區(qū)排布如下:
其中祭阀，AVCsequenceheader只有出現(xiàn)在第一個(gè)Video Tag鹉戚，只有一個(gè)。為了能夠從FLV中獲取NALU专控，必須知道前面的NALU長度所占的字節(jié)數(shù)抹凳，通常是1、2伦腐、4個(gè)字節(jié)赢底，這個(gè)內(nèi)容則必須從AVCDecoderConfigurationRecord中獲取，這個(gè)遵從標(biāo)準(zhǔn)ISO/IEC 14496-15的5.2.4小節(jié)柏蘑。AVCDecoderConfigurationRecord 的結(jié)構(gòu)如下：
aligned(8) class AVCDecoderConfigurationRecord {
unsigned int(8) configurationVersion = 1; //版本號(hào)
unsigned int(8) AVCProfileIndication; //sps[1]幸冻，即0x67后面那個(gè)字節(jié)
unsigned int(8) profile_compatibility; //sps[2]
unsigned int(8) AVCLevelIndication; //sps[3]
bit(6) reserved = '111111'b;
unsigned int(2) lengthSizeMinusOne; //NALUnitLength的長度減1，一般為3
bit(3) reserved = '111'b;
unsigned int(5) numOfSequenceParameterSets; //sps個(gè)數(shù)咳焚，一般為1
for ( i=0; i<numOfSequenceParameterSets; i++ ) {
unsigned int(16) sequenceParameterSetLength; //sps的長度
bit(8*sequenceParameterSetLength) sequenceParameterSetNALUnit;
}
unsigned int(8) numOfPictureParameterSets; //pps個(gè)數(shù)洽损，一般為1
for ( i=0; i<numOfPictureParameterSets; i++) {
unsigned int(16) pictureParameterSetLength; //pps長度
bit(8*pictureParameterSetLength) pictureParameterSetNALUnit;
}
}
其中，lengthSizeMinusOne + 1 = NALU長度字段所占字節(jié)數(shù)
Script Tag
當(dāng)TagType = 0x12時(shí)革半， 這個(gè)Tag就是Script tag碑定。Script Tag一般只有一個(gè)，是FLV文件的第一個(gè)Tag又官，用于存放FLV文件信息延刘，比如時(shí)長、分辨率六敬、音頻采樣率等碘赖。所有的數(shù)據(jù)都是以數(shù)據(jù)類型 + (數(shù)據(jù)長度) + 數(shù)據(jù)格式出現(xiàn)，數(shù)據(jù)類型占1個(gè)字節(jié)外构，數(shù)據(jù)長度看數(shù)據(jù)類型是否存在普泡，后面才是數(shù)據(jù)。數(shù)據(jù)排布如下：
其中SCRIPTDATAOBJECTEND和SCRIPTDATAVARIABLEEND為0x000009典勇，用于標(biāo)記結(jié)尾
SCRIPTDATASTRING結(jié)構(gòu)為：
StringLength 2bytes
StringData String
SCRIPTDATALONGSTRING結(jié)構(gòu)為：
StringLength 4bytes
StringData String
ECMA array type結(jié)構(gòu)為：
ECMAArrayLength 4bytes
StringLength 2bytes
StringData String
DataType 1byte
Data 不定長
SCRIPTDATAVARIABLEEND
Object type結(jié)構(gòu)為：
StringLength 2bytes
StringData String
DataType 1byte
DataVale 不定長
SCRIPTDATAOBJECTEND
Strict array type結(jié)構(gòu)為：
ArrayNum 4bytes
DataType byte
DataValue 不定長
類型在FLV的官方文檔中有詳細(xì)的介紹劫哼。
onMeteData
onMeteData 是FLV文件中的第一個(gè)Tag，是ScriptData中對(duì)我們來說十分重要的信息割笙，結(jié)構(gòu)如下：
audiocodecid
音頻編碼類型id，跟AudioTagHeader中的SoundFormat是對(duì)應(yīng)的。
videocodecid
視頻編碼類型id伤溉，跟VideoTagHeader 的 CodecID是對(duì)應(yīng)的
