FLV封装格式学习

FLV全称是Flash Video，是互联网上使用极为广泛的视频封装格式。像爱奇艺，优酷等这类视频网站，都使用FLV封装视频。本文主要介绍FLV文件的组成结构。虽然网络上现成的介绍FLV的帖子成百上千，但我还是觉得有必要自己也写一篇。一来自己写一遍可加强理解，二来网络上的帖子可能并不适合自己理解。最重要的是自己写的可随时修改，当发现内容有误或有新的理解时，可同步更新。特别强调，FLV文件结构中数值字段的字节序为大端。

一、总体结构及File Header结构

FLV由文件头（Flv Header）和文件体（Flv Body）组成。文件体又由一系列的Previous Tag Size & Tag对组成。见图1。Previous Tag Size表示前一Tag的数据大小。第1个Previous Tag Size值为0，第2个Previous Tag Size值为Tag#1的数据大小，第3个Previous Tag Size值为Tag#2的数据大小，依此类推。

File Header结构如下图1.1所示：

Signatrue：文件标识，总为“FLV”。

Version：版本号，目前为1。

Flags：最高5位保留，第1位表示是否存在视频，第2位保留必须为0，第3位表示是否存在音频。例如：文件中同时有音视频，则Flags值为00000101b，即Flags值为5。

HeaderSize：file header所占空间大小，版本1中总为9。

 

二、Tag结构

Tag由Tag Header及Tag Data组成。见图2。

Type：Tag的类型。包括0x8（音频）、0x9（视频）、0x12（script data），其它值保留。

DataSize：表示Tag Data段数据的大小。

Timestamp：表示Tag的时间戳。

Timestamp_ex：时间戳扩展字节，当Timestamp的3字节数值不够时使用。做为最高位字节。

StreamID：表示stream id，总是0。

 

三、音频TagData结构

Tag有3种类型，包括0x8（音频）、0x9（视频）、0x12（script data）。每种类型的TagData结构都不同。下图3为音频TagData结构。

音频参数中各字段的值及其意义如下表所示：

 

四、视频TagData结构

下图4为视频TagData结构。

视频参数中各字段的值及其意义如下表所示：

 

五、Script TagData结构

Script Tag通常被称为Metadata Tag，会放一些关于FLV视频和音频的元数据信息如：duration、width、height等。通常此类型Tag会跟在File Header后面作为第一个Tag出现，而且只有一个。下图5为Script TagData结构。

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。第2-3个字节为UI16类型值，标识字符串的长度，一般总是0x000A（“onMetaData”长度）。后面字节为具体的字符串，一般总为“onMetaData”（6F,6E,4D,65,74,61,44,61,74,61）。所以第一个AMF包总共占13字节。

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。上图5.1中“数组元素结构”部分是推测，已经确认适用于duration、width、height等常见元素，但并不确认适用于所有元素。常见的数组元素如下表所示。

六、总结

网络上有许多优秀的FLV分析工具，flvparse就是其中一个。使用flvparse工具实际操作分析几个flv文件，验证本文所写是否有误，同时也能加强对FLV文件格式的理解。