详细说明flv文件构造--基于《将h.264视频流封装成flv格式文件（一.flv格式）》

太过爱你忘了你带给我的痛 2022-08-13 13:53 273阅读 0赞

引用了一些原文的内容，但是觉得原文中一些配图不够细心，很多图与内容不匹配，因此在原著的基础上加上了自己理解的一些东西，重新配图，对新手来说，看起来的时候应该比较直观了吧。

其实flv还是挺简单的一个视频格式，下面就来先谈一谈FLV的格式吧。

FLV是一个二进制文件，简单来说，其是由一个文件头（FLV header）和很多tag组成（FLV body）。tag又可以分成三类:audio,video,script，分别代表音频流，视频流，脚本流，而每个tag又由tag header和tag data组成。

文件头由9bytes组成

![1346485522_9810.jpg][]

前3个bytes是文件类型，总是“FLV”，也就是（0x46 0x4C 0x56）。第4btye是版本号，目前一般是0x01。第5byte是流的信息，倒数第一bit是1表示有视频（0x01），倒数第三bit是1表示有音频（0x4）(这部分倒数第几位第几位，指的是以二进制计算的含义，比如这里第五位的0x05，相当于二进制的00000101，也就是倒数1bit和倒数3bit)，有视频又有音频就是0x01 | 0x04（0x05），其他都应该是0。最后4bytes表示FLV 头的长度，3+1+1+4 = 9。

![1346485575_9469.jpg][]

FLV header后面就是FLV body，FLV body由若干个tag 组成。每一个tag第一部分是tag header，tag header长度为11bytes，但是每个tag header前面有4bytes记录着上一个tag的长度，此待会儿再说。(见下图)

![1346485602_9100.jpg][]

tag header的第1个byte为记录着tag的类型，音频（0x8），视频（0x9），脚本（0x12）(新版规范是0x18)；第2到4bytes是数据区的长度，也就是tag data的长度(就是从上图的蓝底部分后面第一个02开始到整个metadata部分结束的总长度，)；再后面3个bytes是[时间戳][Link 1]，单位是毫秒，类型为0x12则时间戳为0，时间戳控制着文件播放的速度，可以根据音视频的帧率类设置；时间戳后面一个byte是扩展时间戳，时间戳不够长的时候用；最后3bytes是streamID，但是总为0，再后面就是数据区了（tag data），也即是h264的裸流，tag header 长度为1+3+3+1+3=11。(对于上图的说明，因为上图中，被蓝颜色选中的长度一共是4+11=15（这标兰的15位的flv file body，在下面还会提到），所以容易误导，其实我们只需要关注上图被选中的蓝色背景部分的从12开头的11位长度的数据即可)，而前4位数据，也就是0x12前面的00 00 00 00 就是刚刚说的记录着上一个tag的长度的4bytes，这里因为前面没有tag，所以为0。

发现，pre tag size中的数据长度与video tag或者audio tag中的记录数据长度的内容是相互呼应的，比如下图中，第一个红框里面的30，说明绿底部分内容的数据长度是48，这个48是怎么来的呢？还看绿底这部分内容，除了绿圈17前面的11个长度之外的长度，就是48，然后我们再看紧接着绿底部分内容的那4个byte代表的pre tag size的部分，这部分内容是0x00 00 00 3B,0x3B代表十六进制的59，这个59正是前面所有绿底部分内容的总长度，也就是前面的tag head的11+tag body的48，哈哈，明白了吧。

![Image 1][]![Center][]

上图是我选了一个比较简单的一帧video tag，让我们看一下上图。两个红框部分不用解释了，分别是数据长度和时间戳，因为这个是第一帧，所以时间戳都是0属于正常，否则就是不正常，相同的时间戳只能看到最后一帧的内容，其他的就被覆盖掉了。红圈是时间戳扩展，两个蓝方框中的内容，我们只需要关注绿色背景的部分，绿色背景部分的数据长一共是48，换算成16进制表示，就是0x30，也就是上图中第一个红框中的0x00 00 30的来源了。

tag data如果是音频数据，第一个byte记录audio信息：

前4bits表示音频格式（已补齐官方文档上全部内容）：

·0 -- 未压缩

·1 -- ADPCM

·2 -- MP3

·4 -- Nellymoser 16-kHz mono

·5 -- Nellymoser 8-kHz mono

·6 = Nellymoser

·7 = G.711 A-law logarithmic PCM

·8 = G.711 mu-law logarithmic PCM

·9 = reserved

·10 = AAC

·11 = Speex

·14 = MP3 8-Khz

·15 = Device-specific sound

下面两个bits表示samplerate：

·0 -- 5.5KHz

·1 -- 11kHz

·2 -- 22kHz

·3 -- 44kHz

下面1bit表示采样长度：

·0 -- snd8Bit

·1 -- snd16Bit

下面1bit表示类型：

·0 -- sndMomo

·1 -- sndStereo

之后是数据。

如果是视频数据，第一个byte记录video信息：

前4bits表示类型：

·1 -- keyframe

·2 -- inner frame

·3 -- disposable inner frame （h.263 only）

·4 -- generated keyframe

后4bits表示[解码器][Link 2]ID：

·1 -- JPEG (currently unused)

·2 -- seronson h.263

·3 -- screen video

·4 -- On2 VP6

·5 -- On2 VP6 with alpha channel

·6 -- Screen video version 2

·7 -- AVC (h.264)

之后是数据。

![1347332978_6071.jpg][]

对于上图的橘红圈17，特别说明一下，这个是前4bit中的“1”和后4bit中的“7”的集合体，如上所说，tag head的第一位是09，说明是个视频，所以第12位的17就需要按照视频的规则来翻译，根据上面说的，前4位是类型，1代表“keyframe(关键帧)”，7代表“AVC (h.264)”(解码器ID)。

那么再来个例子，如下图

![Image 1][]![Center 1][]

使用ffplay播放的时候，可以看到video是vp6类型，对应图上的第十二位的14中的4可知，这个4代表解码器id中的On2 VP6

如果是AAC和AVC的音视频，则在放入数据前有一个音频和视频的配置信息需要写入前两个tag，等会再说。之前说每个tag前面会有一个记录上个tag长度的4个bytes（previous tag size），整个的flv文件其实是：FLV header + previous tag size0 + tag1 + previous tag size1 + tag2 + previous tag size2 + ... +tagN + previous tag sizeN。第一个previous tag size因为前面没有tag，所以为0，其他的总是记录着前面一个tag 长度（tag data size + tag header size)（换言之，现有tag data具体内容，后有pre tag size说明）。

![1346485695_9914.jpg][]

如果tag data是脚本数据，**Script Tag Data，该类型Tag又通常被称为Metadata(元数据) Tag，会放一些关于FLV视频和音频的参数信息，如duration、width、height等。通常该类型Tag会跟在File Header后面作为第一个Tag出现，而且只有一个。一般来说，该Tag Data结构包含两个AMF包。AMF（Action Message Format）是[Adobe][]设计的一种通用[数据封装][Link 3]格式，在Adobe的很多产品中应用，简单来说，AMF将不同类型的数据用统一的格式来描述。第一个 AMF包封装字符串类型数据，用来装入一个“onMetaData”标志，这个标志与Adobe的一些API调用有，在此不细述。第二个AMF包封装一个数组类型，这个数组中包含了音视频信息项的名称和值。具体说明如下，大家可以参照图片上的数据进行理解。**

**第一个AMF包：**

第1个字节表示AMF包类型，一般总是0x02(这个02的来源见下图)，表示字符串，其他值表示意义请查阅文档。

第2-3个字节为UI16类型值，表示字符串的长度，一般总是0x000A（“onMetaData”长度）。

后面字节为字符串数据，一般总为“onMetaData”。

![Center 2][]

![Image 1][](图中内容是由ue打开，我们只需关注绿色背景部分，第一个红框中的

0x02，就是metadata的起始标志，其实我们只需要稍微仔细关注一下0x02前面的内容， 就很方便看出，0x46 4c 56到0x09这9位，就是flv的 header部分，后面的15位，就是我们前面说的那flv的file body部分)。而由0x6F 6E开头到0x61结尾的这些没有被红框选中的绿色背景部分，就是翻译后的onMeteData内容。

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。表示方法如下：

第1-2个字节表示元素名称的长度，假设为L。

后面跟着为长度为L的字符串。

第L+3个字节表示元素值的类型。

后面跟着为对应值，占用字节数取决于值的类型。

结尾的标记使用ue打开来看的话，可能可能不好找，可以协同使用flvParse来一起看，比如下面两图

![Image 1][]![Center 3][]当前图片需要与下图结合来看

![Image 1][]![Center 4][]

上图中的红框圈起来的就是pre tag size0的内容了。

推荐一下原文地址和原文中的一个链接，还是不错的

http://blog.csdn.net/yeyumin89/article/details/7932368

[http://www.cnblogs.com/chef/archive/2012/07/18/2597279.html][http_www.cnblogs.com_chef_archive_2012_07_18_2597279.html]

感谢你看到了这里， 依然推荐一个flv的查看工具 flvParse，全国各大csdn有下载，欢迎百度。

[1346485522_9810.jpg]: https://img-my.csdn.net/uploads/201209/01/1346485522_9810.jpg
[1346485575_9469.jpg]: https://img-my.csdn.net/uploads/201209/01/1346485575_9469.jpg
[1346485602_9100.jpg]: https://img-my.csdn.net/uploads/201209/01/1346485602_9100.jpg
[Link 1]: http://www.so.com/s?q=%E6%97%B6%E9%97%B4%E6%88%B3&ie=utf-8&src=se_lighten_f
[Image 1]: 
[Center]: /images/20220810/667df413734a4f07830f33003692db49.png
[Link 2]: http://www.so.com/s?q=%E8%A7%A3%E7%A0%81%E5%99%A8&ie=utf-8&src=se_lighten_f
[1347332978_6071.jpg]: https://img-my.csdn.net/uploads/201209/11/1347332978_6071.jpg
[Center 1]: /images/20220810/16ea0e70e70a46b086766bfda5a57e5e.png
[1346485695_9914.jpg]: https://img-my.csdn.net/uploads/201209/01/1346485695_9914.jpg
[Adobe]: http://www.so.com/s?q=Adobe&ie=utf-8&src=se_lighten_f
[Link 3]: http://www.so.com/s?q=%E6%95%B0%E6%8D%AE%E5%B0%81%E8%A3%85&ie=utf-8&src=se_lighten_f
[Center 2]: /images/20220810/86841d18aa00447fa7f0cf1a48f82519.png
[Center 3]: /images/20220810/8e321aefb8da47f7a89b1ad077a0bfa5.png
[Center 4]: /images/20220810/d05b9d8a44d741e0a91c783c96cd1a0b.png
[http_www.cnblogs.com_chef_archive_2012_07_18_2597279.html]: http://www.cnblogs.com/chef/archive/2012/07/18/2597279.html