FLV文件格式解析

FLV是一个二进制文件，由文件头（FLV header）和很多tag组成。tag又可以分成三类:audio,video,script，分别代表音频流，视频流，脚本流（关键字或者文件信息之类）。   FLV Header 一般比较简单，包括文件类型之类的全局信息，如图： 文件类型 3bytes 总是FLV（0x46 0x4C 0x56），否则... 版本 1byte 一般是0x01，表示FLV version 1 流信息 1byte 倒数第一bit是1表示有视频，倒数第三bit是1表示有音频，其他都应该是0（有些软件如flvtool2可能造成倒数第四bit是1，不过也没发现有什么不对） header长度 4bytes 整个文件头的长度，一般是9（3+1+1+4），有时候后面还有些别的信息，就不是9了       FLV Body FLV body就是由很多tag组成的。 FLV文件里面帧的实体就是tag了。每个tag都可以分为两部分，第一部分包含是tag 类型信息，长度固定为15字节，如图：   第二部分为tag data，也就是flv的数据(有音频，视频，脚本等三类数据)，根据不同的tag类型就有不同的数据区，数据区的长度由第一部分的数据区长度字段定义，如图： previoustagsize 4bytes 前一个tag的长度，第一个tag就是0 tag类型 1byte 三类： 8 -- 音频tag 9 -- 视频tag 18 -- 脚本tag 数据区长度 3bytes   时间戳 3bytes 单位毫秒，如果是脚本tag就是0 扩展时间戳 1byte 作为时间戳的高位 streamsID 3bytes 总是0（不知道干啥用） 数据区     接下来就是下一个tag的内容，其开始的四个字节定义了上个tag的总长度，注意上个tag的总长度中不包括上个tag之前的4个描述再上一个tag的长度的4个字节，如图： 接下来说一下文件尾，在文件尾的最后有四个字节是定义最后一个tag的长度的，如图： 这里我门可以算一下，是00 00 00 DD是221，最后一个tag的长度是221，如图：     下面是不同类型的tag数据区的内容体 Audio tag 数据区 audio信息 1byte 前四位bits表示音频格式: 0 -- 未压缩 1 -- ADPCM 2 -- MP3 5 -- Nellymoser 8kHz momo 6 -- Nellymoser 下面两位bits表示samplerate: 0 -- 5.5kHz 1 -- 11kHz 2 -- 22kHz 3 -- 44kHz 下面一位bit表示每个采样的长度： 0 -- snd8Bit 1 -- snd16Bit 下面一位bit表示类型： 0 -- sndMomo 1 -- sndStereo audio数据区 不定     video tag 数据区 video信息 1byte 前四位bits表示类型： 1 -- keyframe 2 -- inner frame 3 -- disposable inner frame (H.263 only) 后四位bits表示编码器id： 2 -- Seronson H.263 3 -- Screen video 4 -- On2 VP6 5 -- On2 VP6 without channel 6 -- Screen video version 2 video数据区 不定     script tag 数据区 略n字... 下面是自己写的一段根据上面对FLV文件结构的分析读取FLV播放时间的Delphi代码： {$R *.dfm} procedure TForm1.Button1Click(Sender: TObject); begin OpenDialog1.Execute; Edit1.Text:=OpenDialog1.FileName; end; procedure TForm1.Button2Click(Sender: TObject); var     iFileHandle:   Integer;     iFileLength:   Integer;     iBytesRead:   Integer;     Buffer:   array   of   Byte;     i:   Integer;     str1,str2:String;     tminute,tSecond,tMillisecond,tmptime:Integer; begin     if Edit1.Text = '' then     begin       ShowMessage('请选择文件！');       exit;     end;     iFileHandle   :=   FileOpen( Edit1.Text ,   fmOpenRead);     iFileLength   :=   FileSeek(iFileHandle,   0,   2);     FileSeek(iFileHandle,   0,   0);     SetLength(Buffer,   iFileLength);     iBytesRead   :=   FileRead(iFileHandle,   Buffer[0],   iFileLength);     FileClose(iFileHandle);     str1   :=   '';     for   i   := iBytesRead   -   4   to   iBytesRead   -   1   do     begin         str1   :=   str1   +   IntToHex(Buffer[i],2);     end;     str2   :=   '';     for   i   := iBytesRead   -   StrToInt('$'+str1) to   iBytesRead   -   (StrToInt('$'+str1)-2)   do     begin         str2   :=   str2   +   IntToHex(Buffer[i],2);     end;     tMillisecond:=strtoint('$'+str2);     tminute:=(tMillisecond div 1000) div 60;     tSecond:=(tMillisecond div 1000) mod 60;     tmptime:=tMillisecond mod 1000;     Label2.Caption:=IntToStr(tminute)+'分'+IntToStr(tSecond)+'秒';     Buffer   :=   nil; end;

 

 

FLV是流媒体封装格式，我们可以将其数据看为二进制字节流。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及Tag Size对组成。因此一个FLV文件看上去是下面的结构：

    其中，Previous Tag Size紧跟在每个Tag之后，占4个字节表示一个UI32类型的数值，表示前面一个Tag的大小。需要注意的是，Previous Tag Size #0的值总是为0。Tag类型包括视频、音频和Script，且每个Tag只能包含一种类型的数据。下面我们看看File Header和Tag的具体结构，为了方便大家理解，我贴一个实际FLV文件的字节流图片，图片中把不同部分区分了颜色。

 

一、File Header结构

    File Header在当前版本中总是由9个字节组成，如图中蓝色区域所示。

    第1-3字节为文件标识（Signature），总为“FLV”（0x46 0x4C 0x56），如图中紫色区域。

    第4字节为版本，目前为1（0x01）。

    第5个字节的前5位保留，必须为0。

    第5个字节的第6位表示是否存在音频Tag。

    第5个字节的第7位保留，必须为0。

    第5个字节的第8位表示是否存在视频Tag。

    第6-9个字节为UI32类型的值，表示从File Header开始到File Body开始的字节数，版本1中总为9。

 

二、Previous Tag Size结构

    如图中红色位置所示。

 

三、Tag结构

    Tag包括Tag Header和Tag Data两部分。不同类型的Tag的Header结构是相同的，但是Data结构各不相同。如图中绿色和黄色区域分别表示Tag Header数据和Tag Data数据。

    当前版本的Tag Header结构占用11个字节。

    第1个字节表示Tag类型，包括音频（0x08）、视频（0x09）和script data（0x12），其他类型值被保留。

    第2-4字节为UI24类型的值，表示该Tag Data部分的大小。

    第5-7字节为UI24类型的值，表示该Tag的时间戳（单位为ms），第一个Tag的时间戳总是0。

    第8个字节为时间戳的扩展字节，当24位数值不够时，该字节作为最高位将时间戳扩展为32位值。

    第9-11字节为UI24类型的值，表示stream id，总是0。

    后面的字节为Tag Data数据，Data的大小由第2-4字节的数值指示，根据第1个字节指示的Tag类型，按照不同的结构解析Tag Data。下面分别介绍。

 

四、Audio Tag Data结构

    音频Tag开始的第1个字节包含了音频数据的参数信息，从第2个字节开始为音频流数据。

    第1个字节的前4位的数值表示了音频数据格式，各值代表的意义大家可以查阅Adobe公司发布的FLV格式说明文档（可以到我的磁盘空间的“资料”目录去下载 http://e.ys168.com/?tinyfun）。

    第1个字节的第5-6位的数值表示采样率，0 = 5.5 kHz，1 = 11 kHz，2 = 22 kHz，3 = 44 kHz。

    第1个字节的第7位表示采样精度，0 = 8bits，1 = 16bits。

    第1个字节的第8位表示音频类型，0 = mono，1 = stereo。

 

五、Video Tag Data结构

    视频Tag也用开始的第1个字节包含视频数据的参数信息，从第2个字节开始为视频流数据。

    第1个字节的前4位的数值表示帧类型。

    第1个字节的后4位的数值表示视频编码ID，1 = JPEG（现已不用），2 = Sorenson H.263，3 = Screen video，4 = On2 VP6，5 = On2 VP6 with alpha channel，6 = Screen video version 2。

 

六、Script Tag Data结构

    该类型Tag又通常被称为Metadata 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，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”。

 

    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。

 

    OK，到此FLV文件结构讲完了，希望我已经讲清楚了：）另外我自己写了一个小工具，用它可以查看一个FLV文件的结构，并且能够分析各个字段对应字节的具体值，截图如下。目前还有一些小问题需要完善，后面我会加一个使用说明。想用的朋友可以到我磁盘空间的“工具”目录去下载。（http://tinyfun.ys168.com/）