flv文件格式解析

末蓝、 2022-04-10 01:45 529阅读 0赞

flv头 FLV header

总体上看，FLV包括文件头（File Header）和文件体（File Body）两部分，其中文件体由一系列的Tag组成。

Signature: FLV 文件的前3个字节为固定的‘F’‘L’‘V’,用来标识这个文件是flv格式的.在做格式探测的时候，如果发现前3个字节为“FLV”，就认为它是flv文件.

Version: 第4个字节表示flv版本号.

Flags: 第5个字节中的第0位和第2位,分别表示 video 与 audio 存在的情况.(1表示存在,0表示不存在)

如果都存在，值为5

DataOffset : 最后4个字节表示FLV header 长度.

综上，一共9个字节

unsigned char flvHeaderTag\[9\] = \{0x46, 0x4C, 0x56, 0x01, 0x05, 0x00, 0x00, 0x00, 0x09\};

FLV头后面第一个prevTagSize始终为0

===========File Body==========

FLV header之后,就是File Body.FLV File Body是由一连串的PreviousTagSize + tags构成. PreviousTagSize就是4个字节数据大小,表示前一个tag的size.

==========FLV Tag=====

FLV文件中的数据都是由一个个TAG组成,TAG里面的数据可能是video、audio、scripts.

TagType: TAG中第1个字节中的前5位表示这个TAG中包含数据的类型, 8 = audio,9 = video,18 = script data.

DataSize（3个字节）:StreamID之后的数据长度.（length of the tag – 11），其中UI24表示3个字节，11为整个Tag除去Data之外的大小。

Timestamp和TimestampExtended组成了这个TAG包数据的PTS信息,记得刚开始做FLV demux的时候，并没有考虑TimestampExtended的值,直接就把Timestamp默认为是PTS，后来发生的现象就是画面有跳帧的现象,后来才仔细看了一下文档发现真正数据的PTS是PTS= Timestamp | TimestampExtended<<24.

StreamID之后就是数据。每种格式都不一样，下面进行详细介绍.

即一直到StreamId一共有11个字节

===========Audio Tag==============

如果TAG包中的TagType==8时，就表示这个TAG是audio。

StreamID之后的数据是AudioTagHeader，AudioTagHeader结构如下：

AudioTagHeader的第1个字节，也就是紧跟着StreamID的1个字节包含着音频类型、采样率等基本信息.上述表里列的十分清楚.AudioTagHeader之后跟着的就是AUDIODATA数据了，也就是audio payload 但是这里有个特例，如果音频格式（SoundFormat）是10 = AAC，AudioTagHeader中会多出1个字节的数据AACPacketType，这个字段来表示AACAUDIODATA的类型：0 = AAC sequence header，1 = AAC raw。

图片双击可看大图：

*  AAC sequence header也就是包含了AudioSpecificConfig，AudioSpecificConfig包含着一些更加详细的音频信息，AudioSpecificConfig的定义在ISO14496-3中1.6.2.1 AudioSpecificConfig。

在ffmpeg中有对AudioSpecificConfig解析的函数，ff\_mpeg4audio\_get\_config()(我的ffmpeg版本中是avpriv\_mpeg4audio\_get\_config())。

*  AAC raw 这种包含的就是音频ES流了，也就是audio payload.

在FLV文件中，一般情况下 AAC sequence header 这种包只出现1次，而且是第一个audio tag，为什么要提到这种tag，因为当时在做FLV demux的时候，如果是AAC的音频，需要在每帧AAC ES流前边添加7个字节ADST头,ADST在音频的格式中会详细解读，这是解码器通用的格式，就是AAC的纯ES流要打包成ADST格式的AAC文件，解码器才能正常播放.就是在打包ADST的时候，需要samplingFrequencyIndex这个信息，samplingFrequencyIndex最准确的信息是在AudioSpecificConfig中，所以就对AudioSpecificConfig进行解析并得到了samplingFrequencyIndex。 到这步你就完全可以把FLV 文件中的音频信息及数据提取出来，送给音频解码器正常播放了。

==========Video Tag============

如果TAG包中的TagType==9时，就表示这个TAG是video. StreamID之后的数据就表示是VideoTagHeader，VideoTagHeader结构如下：

VideoTagHeader的头1个字节，也就是紧跟着StreamID的1个字节包含着视频帧类型(比如关键帧，p帧)及视频CodecID信息.

VideoTagHeader之后跟着的就是VIDEODATA数据了，也就是video payload.当然就像音频AAC一样，这里也有特例，即如果视频的格式是AVC（H.264）的话，VideoTagHeader会多出4个字节的信息：AVCPacketType 和 CompositionTime。

AVCPacketType 表示接下来 VIDEODATA （AVCVIDEOPACKET）的内容：

IF AVCPacketType == 0 AVCDecoderConfigurationRecord（AVC sequence header）

IF AVCPacketType == 1 One or more NALUs (Full frames are required)

还有如果为2，表示是结束包，一般在flv文件结尾。

AVCDecoderConfigurationRecord包含着H.264解码比较重要的sps和pps信息，在给AVC解码器送数据流之前一定要把sps和pps信息送出，否则解码器不能正常解码。而且在解码器stop之后再次start之前，如seek、快进快退状态切换等，都需要重新送一遍sps和pps的信息。AVCDecoderConfigurationRecord在FLV文件中一般情况也是出现1次，也就是第一个video tag. AVCDecoderConfigurationRecord的定义在ISO 14496-15, 5.2.4.1中。

CompositionTime:3个字节

===========AVCDecoderConfigurationRecord=========

FFmpeg中extradata\_size格式: 4B大小+SPS+4B大小+pps

AVCDecoderConfigurationRecord 结构的定义：

aligned(8) class AVCDecoderConfigurationRecord \{

unsigned int(8) configurationVersion = 1;

unsigned int(8) AVCProfileIndication;

unsigned int(8) profile\_compatibility;

unsigned int(8) AVCLevelIndication;

bit(6) reserved = ‘111111’b;

unsigned int(2) lengthSizeMinusOne;

bit(3) reserved = ‘111’b;