FLV format分析

hello大家好!我叫石頭~
今天我想跟大家掰扯掰扯FLV相關的技術，如果你們之前有看過相關的文章，應該對FLV Header和FLV Body有所耳聞,先給2個圖泄私，混混眼熟，第一張是對flv format格式的抽象解讀备闲，第二章是對一個具體文件的格式解析晌端。

flv format

streamAnalyzer4分析工具

streamAnalyzer4分析工具鏈接
接下來的文章里面我會以真實數(shù)據(jù)和控制數(shù)據(jù)來區(qū)分人為添加的數(shù)據(jù)和音視頻真正的數(shù)據(jù)。

真實數(shù)據(jù)：就是用來真正記錄我們視頻顯示浅役，音頻播放的數(shù)據(jù)斩松。
描述數(shù)據(jù)：就是用來告訴取數(shù)據(jù)(解析)的程序，這個文件里面的數(shù)據(jù)觉既，你該怎么去處理。

我們都知道乳幸，數(shù)據(jù)是以二進制(010111001...)的形式存在存儲介質(zhì)的瞪讼，但是這些01數(shù)據(jù)表示什么東西呢，如果我們不加一些其他的信息的話粹断，這些01數(shù)據(jù)我們就沒辦法去解析符欠，所以flv格式的文件就是一些人為規(guī)定的描述信息?實際的數(shù)據(jù)組成。
到這里我們就知道flv是某些人或者某些組織共同約定的一種存數(shù)據(jù)瓶埋，讀數(shù)據(jù)的方式
這里我想舉個例子希柿，嚴謹性不做過多討論。
flv文件 = flv header + flv body
老外也很喜歡用header + body來也形象的描述他們想表達的事物养筒，那我就用人來類比flv文件曾撤。我們?nèi)耸窃?維的空間，所以我們可以用3維(距離我多遠晕粪，在房間的哪里挤悉，)，或者二維(高度巫湘，寬度装悲，膚色)的信息來刻畫一個具體的人在空間的具體位置，但是如果我們要是把一個人壓縮到一維的空間去存儲(類似與存儲視頻數(shù)據(jù),因為文件數(shù)據(jù)都是在一維空間上存儲)尚氛，等到時候還原到3維的時候我們該怎么還原呢诀诊，所以我們在一維的空間存一個人的肉的時候就要插入一些說明信息，比如：說明從哪里到哪里是表示手阅嘶，哪里到哪里是表示手指属瓣，等等，所以我們在計算機中約定的一些協(xié)議，格式奠涌，等都是為了我們能在讀真實的數(shù)據(jù)的時候能通過控制數(shù)據(jù)來還原真實數(shù)據(jù)原有的樣子宪巨。如果不加這些描述數(shù)據(jù)，那么一個人從3維放到1維去存儲溜畅，到時取出來的時候就是一坨肉泥了.
順便說一句：出現(xiàn)各種協(xié)議捏卓，數(shù)據(jù)格式，等等加了描述數(shù)據(jù)的數(shù)據(jù)都是由于我們的計算機體系結構決定的慈格，目前計算機是以存儲器為中心怠晴，所以在時間維度上，必定”取數(shù)據(jù)“不知道怎么還原數(shù)據(jù)浴捆。

2.FLV Header(flv 頭信息 9Byte)

flv header就是人為加的描述數(shù)據(jù)蒜田，但是這個“頭“應該設置多大呢，我們該表示什么信息呢选泻，這些東西經(jīng)過一堆人開n個會議冲粤，巴拉巴拉...討論N久之后終于決定設置為9Byte。

flv format

1-3：文件格式標識页眯，必須為 46 4C 56【Signature】
(46, 4c, 56是16進制梯捕，對應的ASCII為 46 = "F", 4c = "L", 56 = "V")
4-4：版本，必須為 01【Version】
5-5：媒體標識位(flags)：上面的是0x05（0000 0101）下面的順序都是從左到右
        1-5bit窝撵，必須為 0傀顾；【TypeFlagsReserved】
        6-6bit，音頻標識碌奉；【TypeFlagsAudio】
        7-7bit短曾，必須為 0；【TypeFlagsReserved】
        8-8bit赐劣，視頻標識嫉拐；【TypeFlagsVideo】
6-9：FLV頭長度，必須為 00 00 00 09【DataOffset】

3.FLV Body

FLV Body =( previousTagsize +Tag) * N,仔細看第一張圖隆豹。
Tag = Tag Header + Tag Data

3.1 previousTagsize

大型盅摇： 4字節(jié)
表示前一個tag的大小

3.2 Tag Header

TAG類型：

音頻類型(0x08)
視頻類型(0x09)
腳本類型(0x12)

Tips：下面的順序都是從左到右

1-1：TAG類型 下面的順序都是從左到右
        1-2bit，必須為 0璃赡；【Reserved】
        3-3bit判哥，0 = 未加密，1 = 加密碉考；【Filter】
        4-8bit塌计，8 = 音頻，9 = 視頻侯谁，12(16進制) = 腳本數(shù)據(jù)锌仅；【TagType】
2-4：數(shù)據(jù)大小章钾，從 StreamID 到 Tag 結尾，也等于 TagLen -11【DataSize】
    數(shù)據(jù)區(qū)的大小热芹，不包括包頭贱傀。包頭總大小是11個字節(jié)。
5-7：時間戳伊脓，當前幀時戳府寒，單位是毫秒。相對于FLV文件的第一個TAG時戳报腔。第一個tag的時戳總是0株搔。
    ——不是時戳增量，rtmp中是時戳增量纯蛾。
8-8：擴展時間戳纤房，如果時戳大于0xFFFFFF，將會使用這個字節(jié)翻诉。這個字節(jié)是時戳的高8位炮姨，
    上面的三個字節(jié)是低24位。單位毫秒【TimestampExtended】
9-11：流ID【StreamID】 總是0

3.3 Tag Data

3.3.1 Tag Data: video 類型

video 類型 tag

第1個字節(jié)的前4位的數(shù)值表示幀類型碰煌。
第1個字節(jié)的后4位的數(shù)值表示剑令。

1-1：視頻參數(shù)【VideoTagHeader】
        1-4bit，幀類型【FrameType】
                1 = keyframe (for AVC, a seekable frame)——h264的IDR拄查，關鍵幀，可重入幀棚蓄。
                2 = inter frame (for AVC, a non-seekable frame)——h264的普通幀
                3 = disposable inter frame (H.263 only)
                4 = generated key frame (reserved for server use only)
                5 = video info/command frame
        5-8bit堕扶，編碼類型【CodecID】
                1 = JPEG (currently unused)
                2 = Sorenson H.263
                3 = Screen video
                4 = On2 VP6
                5 = On2 VP6 with alpha channel
                6 = Screen video version 2
                7 = AVC（H.264）
[2-5]：H.264視頻類型，注梭依，只有在 CodecID=AVC 時稍算，才有此數(shù)據(jù)
        AVCPacketType
       CompositionTime (ISO 14496-12, 8.15.3)

3.3.2 Tag Data : Audio 類型

audio 類型 tag

1-1：音頻頭【AudioTagHeader】
        1-4bit，音頻格式【SoundFormat】
                0 = Linear PCM, platform endian
                1 = ADPCM
                2 = MP3
                3 = Linear PCM, little endian
                4 = Nellymoser 16 kHz mono
                5 = Nellymoser 8 kHz mono
                6 = Nellymoser
                7 = G.711 A-law logarithmic PCM , reserved
                8 = G.711 mu-law logarithmic PCM , reserved
                9 = reserved
                10 = AAC (supported in Flash Player 9,0,115,0 and higher)
                11 = Speex (supported in Flash Player 10 and higher)
                14 = MP3 8 kHz , reserved
                15 = Device-specific sound , reserved
        5-6bit役拴，采樣率【SoundRate】
                0 = 5.5kHz
                1 = 11kHz
                2 = 22kHz
                3 = 44kHz
        7-7bit糊探，位寬，0 = 8bit samples, 1= 16bit samples【SoundSize】
        8-8bit河闰，通道科平，0 = Mono, 1 = Stereo【SoundType】
[2-2]：AAC音頻類型，注姜性，只有在 SoundFormat=AAC 時瞪慧，才有此數(shù)據(jù)
        0 = AAC sequence header
        1 = AAC raw

TIPS:
注：SoundFormat
如果 SoundFormat=10 即AAC格式，官方建議使用44.1kHz采樣率和雙聲道部念，即SoundType=1弃酌，SoundRate=3氨菇；Flash Player會忽略這兩個參數(shù)，并從音頻比特流中解析獲得妓湘。
如果 SoundFormat=11 即Speex格式查蓉，音頻使用壓縮的16kHz采樣率的單聲道，各參數(shù)取值為SoundRate=0榜贴，SoundSize=1豌研，SoundType=0。

3.3.3 Tag Data : Script 類型

該類型Tag又通常被稱為Metadata Tag竣灌，這個Tag存放關于FLV視頻和音頻的參數(shù)信息聂沙，如duration、width初嘹、height等及汉。通常該類型Tag會跟在File Header后面作為第一個Tag出現(xiàn)，而且只有一個屯烦，并且不是必須的坷随。

一般來說，該Tag Data結構包含兩個AMF包驻龟。
AMF（Action Message Format）是Adobe設計的一種通用數(shù)據(jù)封裝格式温眉，在Adobe的很多產(chǎn)品中應用，
簡單來說翁狐，AMF將不同類型的數(shù)據(jù)用統(tǒng)一的格式來描述类溢。
第一個AMF包封裝字符串類型數(shù)據(jù)，用來裝入一個“onMetaData”標志露懒，這個標志與Adobe的一些API調(diào)用有闯冷，在此不細述。
第二個AMF包封裝一個數(shù)組類型懈词，這個數(shù)組中包含了音視頻信息項的名稱和值蛇耀。
具體說明如下，大家可以參照圖片上的數(shù)據(jù)進行理解

image

   第1個字節(jié)表示AMF包類型坎弯，一般總是0x08纺涤，表示數(shù)組。

   第2-5個字節(jié)為UI32類型值抠忘，表示數(shù)組元素的個數(shù)撩炊。

   后面即為各數(shù)組元素的封裝，數(shù)組元素為元素名稱和值組成的對褐桌。表示方法如下：

   第1-2個字節(jié)表示元素名稱的長度衰抑，假設為L。

   后面跟著為長度為L的字符串荧嵌。

   第L+3個字節(jié)表示元素值的類型呛踊。

   后面跟著為對應值砾淌，占用字節(jié)數(shù)取決于值的類型。

例如：