多媒体封装格式学习：H264封装成FLV（一）

         搞了好几天的FLV封装，话说封装真是个苦力活，有时候思路不是很清晰的时候，真心有点乱。

         网上关于H264封装成FLV的文档，都分析的很详细了，但是有几个点没有考虑到，一会在下面我会一一跟大家说明。图什么的我就不画了，网上一搜应该有很多，那先看下面一个结构体吧。

typedef struct FLVHeader
{
  unsigned char First;// "F"
  unsigned char Second;//"L"
  unsigned char Last;//"V"
  unsigned char Version; //0x01
  unsigned char Flags;//"前五位保留且为0，第六位表示是否存在音频Tag，第七位保留为0，第八位表示是否有视频Tag"
  unsigned char HeaderLenth[4];//header 长度，一共9bytes
}FLVHeader;

了解过FLV的朋友都应该知道FLV是由FLVHeader和FLVBody两大部分构成的，而FLVBody又可以划分成N个更小的单元：Tag。我们先从简单的看起，上述代码是一个FLVHeader的结构体，其前三个字节分别是F,L,V 第四个字节是Version也就是FLV的版本号，当前为1。第五个字节是一个标志位Flags，代表当前FLV是否包含音频或者视频Tag，此Flags的第六位代表是否含有音频Tag，第八位表示是否含有视频Tag，其他位为0；举个例子，当Flag = 0X01的时候，代表只包含视频Tag，等于0X04的时候代表只含有音频Tag，当Flag等于0X05时，就代表此FLV既包含音频Tag，也包含视频Tag。最后有一个四字节的HeaderLenth，代表着当前Header的长度。大家有没有注意到，我用char[4]来表示这个四字节的变量，而没有用unsigned int类型吗？是有一定道理的，大家可以自己去尝试一下。

下面具体介绍一下FLVBody部分。FLVBody由多个previousdata size + Tag构成，其中Tag的类型多种多样，由于我对音频部分不是很熟悉，我这里就不讨论音频Tag了。而previous data size 用四个字节代表上一个Tag所占字节数，但是FLVBody和第一个Tag之间的previous data size为0.

那么一个Tag是由哪几个部分组成的呢？如果简单分开来：Tag = TagHeader + TagData，如下结构体说明了TagHeader的结构：

typedef struct TagHeader
{
  unsigned char TagType;//tag类型，音频为(0X08),视频(0X09),script data(0x12),其他值保留
  unsigned char DataSize[3];//3字节表示Tagdata的大小
  unsigned char Ts[3]      ;     //3字节，为Tag的时间戳，  
  unsigned char TsEx     ;//时间戳的拓展位，当24位不够用时，此八位作为时间戳最高位，将时间戳变为32位
  unsigned char StreamID[3];//一直为0；
}TagHeader;

Tagheader的第一个字节为TagType，此字节意在说明此Tag的类型，如果是音频，TagType=0X08，视频的话，TagType = 0X09;如果是Script data的话，TagType = 0X12;其他值保留。第2-4字节为DataSize，表示TagHeader后面接着的TagData的数据大小。Ts和TsEx结构地内注释已经很清楚了，就不重复了。StreamID恒定为0.

         对于一个Tag来说，TagHeader的结构都是一样的，而TagData的结构就很复杂了，首先，针对不同的TagType，对应的TagData肯定不一样，分为AudioTagData，VideoTagData，ScriptTagData。AudioTagData在本文中不做分析，因为这并不会影响H264码流的封装。

         当我们向一个FLV文件中写入FLVHeader后，紧接着的肯定是4个字节的previousdata size，且为0。那下一步，我们应该来写我们的Tag了，但是第一个是什么Tag呢，是AudioTag，VideoTag,还是ScriptTag呢。我们第一个应该写入的Tag是ScriptTag，那我们看一下它的结构是如何的：

ypedef struct ScriptTagData
{
  unsigned char MetaDataType;//0x02
  unsigned char StringLenth[2];//一般位10，即0x000A；
  unsigned char MetaString[10];//值为onMetaDat
  unsigned char InfoDataType;//0x08表示数组，也就是第二个AMF包
  unsigned char EnumNum[4];//4bytes有多少个元素//18bytes
  //1
  unsigned char DurationLenth[2];//2bytes,duration的长度
  unsigned char DurationName[8];
  unsigned char DurationType;
  unsigned char DurationData[8];
  //2
  unsigned char WidthLenth[2];//
  unsigned char WidthName[5];
  unsigned char WidthType;
  unsigned char WidthData[8];
  //3
  unsigned char HeightLenth[2];
  unsigned char HeightName[6];
  unsigned char HeightType;
  unsigned char HeightData[8];
  //4
  unsigned char FrameRateLenth[2];
  unsigned char FrameRateName[9];
  unsigned char FrameRateType;
  unsigned char FrameRateData[8];
  //5
  unsigned char FileSizeLenth[2];
  unsigned char FileSizeName[8];
  unsigned char FileSizeType;
  unsigned char FileSizeData[8];
  
  unsigned char End[3];//0x000009
}ScriptTagData;

上面的结构是ScriptTag的TagData，ScriptTag的TagHeader按之前的结构来写。ScriptTagData中的MetaDataType，StringLenth，MetaString，InfoDataType都是恒定不变的固定值，注释里都有他们的值，在这里就不多做解释了。接下来就是EnumNum[4]了，它包含4个字节，它代表ScriptTagData中含有多少个字段，上述结构体中我只定义了五个字段：Duration，width，height，framrate和filesize，所以EnumNum[4] = 0x00 00 00 05，当然也可以定义更多的字段，具体得去查看FLV的封装文档。接下来就是定义的字段了，以durantion为例子，DurationLenth[2]代表duration这个字符串的长度8，不包含’\0’所以DurationLenth[2]=0x00 08;  DurationName[8]代表这个字符串”duration”也不包含’\0’。 DurationType代表着duration这个字段所对应的值DurationData的类型，这里DurationType为0，代表DurationData是Double型的，所以在结构体中我将其定义为了unsigned char DurationData[8]，为8个字节的unsignedchar 型，与Double所占字节数一样。其他的几个字段也是一样的，就不累述了。最后当字段定义结束后，需要结束符End[3],为0X00 00 09。

既然SciptTag结束了，那么就轮到VideoTag了，这里确实有点恶心。搞过视频的朋友应该都知道不管是H264还是H265都是以Nalu来封装的吧，每条Nalu都是以0X 00 00 01或者0X 00 00 00 01开头的，在这个头之后的1Byte内，包含了此Nalu的Type，在这个字节的低五位中，具体关于Nalu的请去查看H264或者H265的说明。先写到这里了，明儿接着。

对了，有几个不错的链接，这里给大家发一下：

http://blog.csdn.net/leixiaohua1020/article/details/17934487

http://niulei20012001.blog.163.com/blog/static/751472112012111901130404/