文章摘要
本文简单说明了FLV文件的格式,以此为出发点,使用 Python 实现FLV视频的拼接。
一.FLV文件格式
关于FLV文件格式的解析网上有诸多文章,在这里就简单介绍一下需要了解的部分,以便读者更好地明白各段代码的功能。
FLV文件是由文件头(Header)和文件体(Body)按顺序拼接而成。审查FLV内容时,以二进制方式读取内容。
Header:文件头表明了文件的封装格式为FLV,存储对象为音频、视频或两者。
以下为FLV文件的Header,共 9 个字节:
b'FLV\x01\x05\x00\x00\x00\t'
前 3 个字节(FLV)说明这是一个FLV文件
第 4 个字节(\x01)为版本号,固定为 1
第 5 个字节(\x05)表明存储对象,需将其转化成二进制(00000101)查看,左、右边的 1 分别表示文件含有音频和视频
后 4 个字节(\x00\x00\x00\t)表示文件头的长度,其值固定为 9
Body:文件体由若干个 Tag 组成,除了第一个,每个 Tag 是由头部( 11 字节)、主体(不定长)和尾部( 4 字节)组成。第一个 Tag 只有尾部。
Tag 又分为 3 类,脚本(scripts)、音频(audio)和视频(video)。通常第 2 个 Tag 为脚本类型,且只有一个,后续的都是音视频类型。
以下为脚本 Tag 的部分,作为示例介绍一下:
头部:b'\x12\x00\tb\x00\x00\x00\x00\x00\x00\x00'
第 1 个字节(\x12)表示 Tag 类型,脚本类型的对应值为 18 ,音频为 8 ,视频为 9
第 2-4 个字节(\x00\tb)表示 Tag 主体的长度,此处为 2402
第 5-7 个字节(\x00\x00\x00)为时间戳,脚本类型的时间戳通常为 0
第 8 个字节(\x00)是时间戳的扩展,当前 3 个字节不够用时会用这个字节当作大端
后 3 个字节(\x00\x00\x00)是 Stream id,固定为 0
主体:脚本 Tag 的主体包含FLV视频的基本信息,如时长、大小、分辨率等,比较复杂,在此不作介绍
尾部:b'\x00\x00\tm'
固定 4 字节,表示 Tag 头部加主体的长度,即 11 + 2402 = 2413
二.FLV视频拼接
将多个FLV视频合成一个可以正常播放的视频,便足够满足大部分的需求。因此,在接下来的拼接过程中,不会对FLV进行细致入微的调整,达到基本要求即可。
设置阅读器
阅读器可以使我们很方便地读取文件内容。
class Reader():
def __init__(self, content): # content (bytes):FLV文件的二进制内容
self.content = content
self.start = 0
self.eof = False # 判断是否已读完全部内容
self.length = len(self.content)
def read(self, n=1):
# 设置 if 语句防止过度读取内容
if self.length > (self.start + n):
out = self.content[self.start:self.start + n]
self.start += n
else:
out = self.content[self.start:]
self.eof = True
return out
向新建FLV文件写入 Header 和 Tag
在这里假设要拼接的视频基本信息相似,即都含有音视频,分辨率、码率等相同或相近。
为了生成一个可以正常播放的FLV视频,Header 和 Tag 是必不可少的。我们可以选取第一个FLV的文件头写入新建FLV中,然后依次将修改过时间戳的 Tag 写入其中,便可达到拼接目的。
def add_flv(flv, target, videoTimeStamp, audioTimeStamp): # 修改并添加 Tag 的函数
with open(flv, 'rb') as f:
content = f.read()
reader = Reader(content)
header = reader.read(13)
with open(target, 'ab') as f:
while not reader.eof: # 一直读取直到读完,此时 reader.eof = True
dataType = reader.read(1)
dataSize = reader.read(3)
timeStamp = int.from_bytes(reader.read(3), 'big') # 将 3 字节转换成整数
headerRemained = reader.read(4)
if dataType == b'\t': # 视频
timeStamp += videoTimeStamp
videoTS = timeStamp
if dataType == b'\x08': # 音频
timeStamp += audioTimeStamp
audioTS = timeStamp
timeStamp = timeStamp.to_bytes(3, 'big') # 将整数转换成 3 字节
tagHeader = dataType + dataSize + timeStamp + headerRemained
tagData_andSize = reader.read(int.from_bytes(dataSize, 'big') + 4)
f.write(tagHeader)
f.write(tagData_andSize)
return videoTS, audioTS
def merge_flv(flvs, target): # 主函数
videoTS = 0
audioTS = 0
for i, flv in enumerate(flvs):
with open(flv, 'rb') as f:
content = f.read()
reader = Reader(content)
header = reader.read(13) # flvHeader + tagSize0
if i == 0: # 写入第 1 个FLV视频的文件头
with open(target, 'wb') as f:
f.write(header)
videoTS, audioTS = add_flv(flv, target, videoTS, audioTS)
拼接
import time
since = time.time()
flvs = ['m1.flv', 'm2.flv', 'm3.flv', 'm4.flv'] # 视频大小:45MB,20MB,59MB,54MB
target = 't.flv'
merge_flv(flvs, target)
end = time.time()
print('Merging flvs takes {:.2f} s'.format(end - since))
# Merging flvs takes 0.88 s
可以看到,拼接 4 个共 178MB视频用时 0.88 秒。
总结
FLV文件格式还是比较简明的,对数据的要求也是比较宽松的,即便没有对 Scripts Tag 里的参数作调整,拼接后的视频依然能够正常播放。
不过,拼接的视频是有不少隐形问题,如到视频末尾可能会出现音画不同步( 0.5 秒左右)的现象,以及不能够方便地分离出完整的视频和音频。
相关链接:使用Python解析FLV文件的Scripts Tag
如果我的文章对您有帮助,还请您点个赞,谢谢!