Mp3文件格式解析

最近使用red5流化mp3遇到点问题，先对Mp3的格式做一下解释！后续会对遇到问题及解决方法做介绍。

一、mp3文件结构

mp3文件包含3部分：ID3v2(不是必须的)，FRAME(必须有),ID3V1(不是必须的)，具体描述如下

ID3V2	FRAME	ID3V1
包含了作者，作曲，专辑等信息，长度不固定，扩展了ID3V1的信息量。	一系列的帧，个数由文件大小和帧长决定 每个FRAME的长度可能不固定，也可能固定，由位率bitrate决定 每个FRAME又分为帧头和数据实体两部分 帧头记录了mp3的位率，采样率，版本等信息，每个帧之间相互独立	包含了作者，作曲，专辑等信息，长度固定，为128Byte

二、ID3V2

ID3V2到现在一共有4个版本，但流行的播放软件一般只支持第3版，既ID3v2.3。由于ID3V1记录在MP3文件的末尾，ID3V2就只好记录在MP3文件的首部了(如果有一天发布ID3V3，真不知道该记录在哪里)。也正是由于这个原因，对ID3V2的操作比ID3V1要慢。而且ID3V2结构比ID3V1的结构要复杂得多，但比前者全面且可以伸缩和扩展。
下面就介绍一下ID3V2.3。
每个ID3V2.3的标签都一个标签头和若干个标签帧或一个扩展标签头组成。关于曲目的信息如标题、作者等都存放在不同的标签帧中，扩展标签头和标签帧并不是必要的，但每个标签至少要有一个标签帧。标签头和标签帧一起顺序存放在MP3文件的首部。

1、标签头
在文件的首部顺序记录10个字节的ID3V2.3的头部。数据结构如下：

char Header[3]	必须为"ID3"否则认为标签不存在, 十六进制为 49 44 33
char Ver	版本号ID3V2.3 就记录3
char Revision	副版本号此版本记录为0
char Flag	存放标志的字节，这个版本只定义了三位
char Size[4]	标签大小（除标签头的10个字节外标签帧的大小）

1）.Flag标志字节
标志字节一般为0，定义如下：
abc00000

a -- 表示是否使用Unsynchronisation(一般不设置)
b -- 表示是否有扩展头部，一般没有(至少Winamp没有记录)，所以一般也不设置
c -- 表示是否为测试标签(99.99%的标签都不是测试用的啦，所以一般也不设置)

2）.标签大小（为什么每个字节首bit不用，预留的？？）
一共四个字节，但每个字节只用7位，最高位不使用恒为0。所以格式如下
0xxxxxxx 0xxxxxxx 0xxxxxxx 0xxxxxxx
计算大小时要将0去掉，得到一个28位的二进制数，就是标签大小(不懂为什么要这样做)，计算公式如下：
int total_size;
total_size =   (((Size[0] & 0xFF) << 21) + ((Size[1] & 0xFF) << 14) + ((Size[2] & 0xFF) << 7) + (Size[3] & 0xFF))

2、标签帧
每个标签帧都有一个10个字节的帧头和至少一个字节的不固定长度的内容组成。它们也是顺序存放在文件中，和标签头和其他的标签帧也没有特殊的字符分隔。得到一个完整的帧的内容只有从帧头中的到内容大小后才能读出，读取时要注意大小，不要将其他帧的内容或帧头读入。

帧头的定义如下：

char FrameID[4]	用四个字符标识一个帧，说明其内容，稍后有常用的标识对照表
char Size[4]	帧内容的大小，不包括帧头，不得小于1
char Flags[2]	存放标志，只定义了6位，稍后详细解说

1）.帧标识
用四个字符标识一个帧，说明一个帧的内容含义，常用的对照如下：
TIT2=标题 表示内容为这首歌的标题，下同
TPE1=作者
TALB=专集
TRCK=音轨 格式：N/M  其中N为专集中的第N首，M为专集中共M首，N和M为ASCII码表示的数字
TYER=年代 是用ASCII码表示的数字
TCON=类型 直接用字符串表示
COMM=备注 格式："eng\0备注内容"，其中eng表示备注所使用的自然语言
2）.大小
这个可没有标签头的算法那么麻烦，每个字节的8位全用，格式如下
xxxxxxxx xxxxxxxx xxxxxxxx xxxxxxxx
算法如下：
int FSize;
FSize =  (((Size[0] & 0xFF) << 24) + ((Size[1] & 0xFF) << 16) + ((Size[2] & 0xFF) <<8) + (Size[3] & 0xFF))  
3）.标志
只定义了6位，另外的10位为0，但大部分的情况下16位都为0就可以了。格式如下：
abc00000 ijk00000
a -- 标签保护标志，设置时认为此帧作废
b -- 文件保护标志，设置时认为此帧作废
c -- 只读标志，设置时认为此帧不能修改(但我没有找到一个软件理会这个标志)
i -- 压缩标志，设置时一个字节存放两个BCD码表示数字
j -- 加密标志(没有见过哪个MP3文件的标签用了加密)
k -- 组标志，设置时说明此帧和其他的某帧是一组

三、MP3 FRame格式

1. 帧头格式
帧头长4字节，对于固定位率的MP3文件，所有帧的帧头格式一样其数据结构如下：

unsigned int sync	同步信息
unsigned int version	版本
unsigned int layer	层
unsigned int error protection	CRC校验
unsigned int bitrate_index	位率
unsigned int sampling_frequency	采样频率
unsigned int padding	帧长调节
unsigned int private	保留字
unsigned int mode	声道模式
unsigned int mode extension	扩充模式
unsigned int copyright	版权
unsigned int original	原版标志
unsigned int emphasis	强调模式

帧头4字节使用说明见上表。
 
MP3帧长取决于位率和频率，计算公式为：
 
. mpeg1.0       layer1 :   帧长= (48000*bitrate)/sampling_freq + padding
               layer2&3: 帧长= (144000*bitrate)/sampling_freq + padding
. mpeg2.0       layer1 :   帧长= (24000*bitrate)/sampling_freq + padding
layer2&3 : 帧长= (72000*bitrate)/sampling_freq + padding
例如：位率为64kbps，采样频率为44.1kHz，padding（帧长调节）为1时，帧长为210字节。
帧头后面是可变长度的附加信息，对于标准的MP3文件来说，其长度是32字节，紧接其后的是压缩的声音数据，当解码器读到此处时就进行解码了。
 
表1 MP3帧头字节使用说明
名称 位长 说          明
同步信息 11 第1、2字节 所有位均为1，第1字节恒为FF。
版本 2 00-MPEG 2.5   01-未定义     10-MPEG 2     11-MPEG 1
层 2 00-未定义      01-Layer 3     10-Layer 2      11-Layer 1
CRC校验 1 0-校验        1-不校验
位率 4 第3字节  取样率，单位是kbps，例如采用MPEG-1 Layer 3，64kbps是，值为0101。
bits V1,L1 V1,L2 V1,L3 V2,L1 V2,L2 V2,L3
0000 free free free free free free
0001 32 32 32 32(32) 32(8) 8 (8)
0010 64 48 40 64(48) 48(16) 16 (16)
0011 96 56 48 96(56) 56(24) 24 (24)
0100 128 64 56 128(64) 64(32) 32 (32)
0101 160 80 64 160(80) 80(40) 64 (40)
0110 192 96 80 192(96) 96(48) 80 (48)
0111 224 112 96 224(112) 112(56) 56 (56)
1000 256 128 112 256(128) 128(64) 64 (64)
1001 288 160 128 288(144) 160(80) 128 (80)
1010 320 192 160 320(160) 192(96) 160 (96)
1011 352 224 192 352(176) 224(112) 112 (112)
1100 384 256 224 384(192) 256(128) 128 (128)
1101 416 320 256 416(224) 320(144) 256 (144)
1110 448 384 320 448(256) 384(160) 320 (160)
1111 bad bad bad bad bad bad

V1 - MPEG 1    V2 - MPEG 2 and MPEG 2.5
L1 - Layer 1     L2 - Layer 2     L3 - Layer 3
"free" 表示位率可变    "bad"  表示不允许值
采样频率 2 采样频率，对于MPEG-1：  00-44.1kHz    01-48kHz    10-32kHz      11-未定义
          对于MPEG-2：  00-22.05kHz   01-24kHz    10-16kHz      11-未定义
          对于MPEG-2.5： 00-11.025kHz 01-12kHz    10-8kHz       11-未定义
帧长调节 1 用来调整文件头长度，0-无需调整，1-调整，具体调整计算方法见下文。
保留字 1 没有使用。
声道模式 2 第4字节 表示声道， 00-立体声Stereo    01-Joint Stereo    10-双声道        11-单声道
扩充模式 2 当声道模式为01是才使用。
Value 强度立体声 MS立体声
00 off off
01 on off
10 off on
11 on on
 
版权 1 文件是否合法，0-不合法   1-合法
原版标志 1 是否原版，    0-非原版   1-原版
强调方式 2 用于声音经降噪压缩后再补偿的分类，很少用到，今后也可能不会用。
00-未定义     01-50/15ms     10-保留       11-CCITT J.17

 
2. MAIN_DATA
MAIN_DATA 部分长度是否变化决定于 FRAMEHEADER 的 bitrate 是否变化,一首 MP3 歌曲,它有三个版
本:96Kbps(96 千比特位每秒)、128Kbps 和 192Kbps。Kbps(比特位速率),表明了音乐每秒的数据量,
Kbps 值越高,音质越好,文件也越大,MP3 标准规定,不变的 bitrate 的 MP3 文件称作 CBR,大多数 MP3
文件都是 CBR 的,而变化的 bitrate 的 MP3 文件称作 VBR,每个 FRAME 的长度都可能是变化的。下面是 CBR
和 VBR 的不同点:
1)CBR:固定位率的 FRAME 的大小是固定的(公式如上所述),只要知道文件总长度,和帧长即可由播放每帧需 26ms 计算得出 mp3 播放的总时间,也可通过计数帧的个数控制快进、快退慢放等操作。注：有些时候，并不是所有的帧都是等长的，有的帧可能多一个或几个字节。
2)VBR:VBR 是 XING 公司推出的算法,所以在 MP3 的 FRAME 里会有“XING"这个关键字(现在很多流行的
小软件也可以进行 VBR 压缩,它们是否遵守这个约定,那就不得而知了),它存放在 MP3 文件中的第一个有效 FRAME 里,它标识了这个 MP3 文件是 VBR 的。同时第一个 FRAME 里存放了 MP3 文件的 FRAME 的总个数,这就很容易获得了播放总时间,同时还有 100 个字节存放了播放总时间的 100 个时间分段的 FRAME 的 INDEX,假设 4 分钟的 MP3 歌曲,240S,分成 100 段,每两个相邻 INDEX 的时间差就是 2.4S,所以通过这个 INDEX,只要前后处理少数的 FRAME,就能快速找出我们需要快进的 FRAME 头。
表2 VBR文件第一帧结构
字节 说    明
1－4 与CBR相同的标准声音帧头
5－40 存放VBR文件标识“Xing”（58 69 6E 67），此标识具体位置视采用的MPEG标准和声道模式而定。标识的前后字节没有使用。
36－39 MPEG-1和非单声道(常见)
21－24 MPEG-1和单声道
21－24 MPEG-2和非单声道
13－16 MPEG-2和单声道
41－44 标志，说明是否存储了帧数、文件长度、目录表和VBR规模信息，如果存储了，则01 02 04 08。
45－48 帧数（包括第一帧）
49－52 文件长度
53－152 目录表，用来按时间进行字节定位。
153－156 VBR规模，用于位率变动

 

四、ID3V1

ID3V1是固定长度的，共128个字节，位于MP3文件的尾部。ID3V1的结构如表

 

字段	长度	描述
Header	3	内容总是“TAG”
Title	30	歌曲的标题
Artist	30	歌曲的歌手
Album	30	歌曲的专辑
Year	4	年份
Comment	28	注释
Reserve	1	保留字段
Track	1	歌曲在专辑中的位置
Genre	1	歌曲风格索引值