FLV封装格式是由一个文件头和文件体组成的。其中,FLV body是由一对(previous tag size 字段+tag)组成。previous tag size在tag前面,占4个字节,表示前一个tag的大小。FLV Header后的第一个previous tag size 为0。
Tag一般分为三类:
- 音频数据类型
- 视频数据类型
- 脚本(帧)数据类型
FLV封装格式中,FLV Header占9字节
FLV封装格式的结构
FLV Header
注:在下面的数据type中,UI表示无符号整形,后面跟的数字表示其长度是多少位。比如UI8,表示无符号整形,长度一个字节。UI24是三个字节,UI[8*n]表示多个字节。UB表示位域,UB5表示一个字节的5位。可以参考c中的位域结构体。
FLV头占9个字节,用来标识文件为FLV文件,以及后续存储的音视频流。一个FLV文件,每钟类型的tag都属于一个流,也就是说,一个FLV文件,最多只有一个音频流,一个视频流:
FIled | Type | Comment |
---|---|---|
签名 | UI8 | ‘F’(0x64) |
签名 | UI8 | ‘L’(0x4C) |
签名 | UI8 | ‘V’(0x56) |
版本 | UI8 | FLV的斑斑。0x01表示版本1 |
保留字段 | UB5 | 前5位都是0 |
音频流标识 | UB1 | 是否存在音频流 |
保留字段 | UB1 | 为0 |
视频流字段 | UB1 | 是否存在视频流 |
文件头大小 | UI32 | FLV版本1时填写9,表示FLV头的大小,包括这个字段 |
FLV Body
FLV Body是由一对一对previous tag size+tag组成的,其中previous tag size占4个字节,表示前一个tag的大小。
FLV Tag
每一个tag也是由Tag Header和Tag Data组成,Tag Header里存放的是当前tag的类型,数据区的长度等信息。Tag Header一般占11个字节,Tag结构如下:
Field | Type | Comment |
---|---|---|
Tag类型 | UI8 | 8:audio 9: video 18:Script data |
数据区大小 | UI24 | 当前tag的数据区大小,不包含头 |
时戳 | UI24 | 当前帧时戳,单位是毫秒,相对值,第一个tag的时戳总为0 |
时戳扩展字段 | UI8 | 如果时戳大于0xFFFFFF,将会使用这个字节。这个字节是时戳的高8位,上面的三个字节是低24位。 |
Stream ID | UI24 | 总是0 |
数据区 | UI[8*n] | 数据区数据 |
Tag类型
FLV tag的类型有三种,音频,视频和script
Script Tag Data
又被称为MetaData Tag,存放好一些关于FLV视频和音频的元信息,比如:duration,width,height等。通常该类型Tag会作为FLV文件的第一个tag,并且只有一个,跟在FLV Header后面。
该类型的Tag Data的结构:
第一个AMF包:
第一个字节表示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
第二个AMF包:
第一个字节表示AMF包类型,一般总是0x08,表示数组。第2-5个字节为UI32类型值,表示数据元素的个数。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。常见的数组元素如下:
值 | Comment |
---|---|
duration | 时长 |
width | 视频宽度 |
height | 视频高度 |
video data rate | 视频码率 |
frame rate | 视频帧率 |
video codec id | 视频编码方式 |
audio sample rate | 音频采样率 |
audio sample size | 音频采样精度 |
stereo | 是否为立体声 |
audio codec id | 音频编码方式 |
filesize | 文件大小 |
… | … |
Audio Tag Data
音频Tag Data又分为Audio TagHeader 和Data数据区,它的第一个字节包含了音频数据的参数信息,从第二个字节开始为音频流数据:
第一个字节为音频信息,格式如下:
Field | Type | Comment |
---|---|---|
音频格式 | UB4 | 0 = Linear PCM, platform endian 1 =ADPCM 2 = MP3 3 = Linear PCM, little endian 4 = Nellymoser 16-kHz mono 5 = Nellymoser 8-kHz mono 6 = Nellymoser 7 = G.711 A-law logarithmic PCM 8 = G.711 mu-law logarithmic PCM 9 = reserved 10 = AAC 11 = Speex 14 = MP3 8-Khz 15 = Device-specific sound flv是不支持g711a的,如果要用,可能要用线性音频。 |
采样率 | UB2 | 0 = 5.5-kHz 1 = 11-kHz 2 = 22-kHz 3 = 44-kHz 对于AAC总是3。 由此可以看出FLV封装格式并不支持48KHz的采样率 |
采样精度 | UB1 | 0 = snd8Bit 1 = snd16Bit 压缩过的音频都是16bit |
音频声道 | UB1 | 0 = sndMono 单声道 1 = sndStereo 立体声,双声道 对于AAC总是1 |
第二个字节开始为音频数据:
Field | Type | Comment |
---|---|---|
音频数据 | UI[8*n] | 如果是PCM线性数据,存储的时候每个16bit小端存储,有符号。 如果音频格式是AAC,则存储的数据是AAC AUDIO DATA,否则为线性数组 |
Video Tag Data
视频Tag Data开始的第一个字节包含视频数据的参数信息,从第二个字节开始为视频流数据。结构如下:
第一个字节包含视频信息,格式如下:
Field | Type | Comment |
---|---|---|
帧类型 | UB4 | 1: keyframe (for AVC, a seekable frame)——h264的IDR,关键帧,可重入帧。 2: inter frame (for AVC, a non- seekable frame)——h264的普通帧 3: disposable inter frame (H.263 only) 4: generated keyframe (reserved for server use only) 5: video info/command frame |
编码ID | UB4 | 使用哪种编码类型:1: JPEG (currently unused) 2: Sorenson H.263 3: Screen video4: On2 VP6 5: On2 VP6 with alpha channel 6: Screen video version 2 7: AVC |
第二个字节开始为视频数据:
Filed | Type | Comment |
---|---|---|
视频数据 | UI[8*n] | 如果是avc,可以参考AVC VIDEO PACKET |
AVC VIDEO PACKET
Field | Type | Comment |
---|---|---|
AVC Packet 类型 | UI8 | 0:AVC序列头 1:AVC NALU单元 2:AVC序列结束。低级别avc不需要 |
CTS | UI24 | 如果AVC packet类型是1,测为cts偏移 如果AVC packet类型是0,则为0 |
数据 | UI[8*n] | 如果AVC packet 类型是0,则是解码器配置,sps,pps。 如果是1,测是nalu单元,可是是多个 |
ts:显示时间,也就是接收方在显示器显示这帧的时间。单位为1/90000 秒。
dts:解码时间,也就是rtp包中传输的时间戳,表明解码的顺序。单位单位为1/90000 秒。——根据后面的理解,pts就是标准中的CompositionTime
cts偏移:cts = (pts - dts) / 90 。cts的单位是毫秒。
pts和dts的时间不一样,应该只出现在含有B帧的情况下,也就是profile main以上。baseline是没有这个问题的,baseline的pts和dts一直相同,所以cts一直为0。
AVC VIDEO PACKET中Data的结构:
Field | Type | Comment |
---|---|---|
长度 | UI32 | nalu单元的长度,不包括长度字段。 |
nalu数据 | UI[8*n] | NALU数据,没有四个字节的nalu单元头,直接从h264头开始,比如:65 ** ** **,41 ** ** ** |
长度 | UI32 | nalu单元的长度,不包括长度字段。 |
nalu数据 | UI[8*n] | NALU数据,没有四个字节的nalu单元头,直接从h264头开始,比如:65 ** ** **,41 ** ** ** |
… | … | … |
解析FLV 根据FFMEPG
在FFmpeg中,AVInputFormat是记录各个格式的结构体,其中FLV的结构体如下:
AVInputFormat ff_flv_demuxer = {
.name = "flv",
.long_name = NULL_IF_CONFIG_SMALL("FLV (Flash Video)"),
.priv_data_size = sizeof(FLVContext),
.read_probe = flv_probe,
.read_header = flv_read_header,
.read_packet = flv_read_packet,
.read_seek = flv_read_seek,
.read_close = flv_read_close,
.extensions = "flv",
.priv_class = &flv_class,
};
我们看到 flv_read_header
,读取FLV格式的头:
static int flv_read_header(AVFormatContext *s)
{
int flags;
FLVContext *flv = s->priv_data;
int offset;
int pre_tag_size = 0;
//跳动4个字节,也就是跳过了FLV和版本号
avio_skip(s->pb, 4);
//读取一个字节,得到Flags
flags = avio_r8(s->pb);
//检查缺哪个流,音频流或视频流
flv->missing_streams = flags & (FLV_HEADER_FLAG_HASVIDEO | FLV_HEADER_FLAG_HASAUDIO);
s->ctx_flags |= AVFMTCTX_NOHEADER;
//读取4个字节,也就是HeaderSize
offset = avio_rb32(s->pb);
//偏移4个字节
avio_seek(s->pb, offset, SEEK_SET);
/* Annex E. The FLV File Format
* E.3 TheFLVFileBody
* Field Type Comment
* PreviousTagSize0 UI32 Always 0
* */
//读取4个字节,也就是我们的body的第一个 previous tag size
pre_tag_size = avio_rb32(s->pb);
if (pre_tag_size) {
av_log(s, AV_LOG_WARNING, "Read FLV header error, input file is not a standard flv format, first PreviousTagSize0 always is 0\n");
}
s->start_time = 0;
flv->sum_flv_tag_size = 0;
flv->last_keyframe_stream_index = -1;
return 0;
}
然后我们来看看FLV 文件体的读取:
static int flv_read_packet(AVFormatContext *s, AVPacket *pkt)
{
FLVContext *flv = s->priv_data;
int ret, i, size, flags;
enum FlvTagType type;
int stream_type=-1;
int64_t next, pos, meta_pos;
int64_t dts, pts = AV_NOPTS_VALUE;
int av_uninit(channels);
int av_uninit(sample_rate);
AVStream *st = NULL;
int last = -1;
int orig_size;
retry:
/* pkt size is repeated at end. skip it */
//得到目前所在的位置
pos = avio_tell(s->pb);
//读取一个字节,也就是我们Tag Header中的Type
//每个NALU的第一个byte & 0x1f就可以得出它的类型
type = (avio_r8(s->pb) & 0x1F);
//读取3个字节,得到Tag Data的大小
orig_size =
size = avio_rb24(s->pb);
//得到总的Tag的大小
flv->sum_flv_tag_size += size + 11;
//读取3个字节,得到Timestamp
dts = avio_rb24(s->pb);
//再读取一个字节,得到Timestamp_ex,然后拼接为dts
dts |= (unsigned)avio_r8(s->pb) << 24;
av_log(s, AV_LOG_TRACE, "type:%d, size:%d, last:%d, dts:%"PRId64" pos:%"PRId64"\n", type, size, last, dts, avio_tell(s->pb));
if (avio_feof(s->pb))
return AVERROR_EOF;
//跳过三个字节,也就是StreamID
avio_skip(s->pb, 3); /* stream id, always 0 */
flags = 0;
if (flv->validate_next < flv->validate_count) {
int64_t validate_pos = flv->validate_index[flv->val