转自http://hi.baidu.com/gongora/blog/item/44b9bbd15607f9d4562c8457.html
用一个二进制查看器（比如Ultra-Edit ）打开一个MP3 文件，就能看到一大堆看似杂乱无序的数据。但只要用心了解就会知道，其实，这一切都是有规律可循的。
MP3 文件是由帧（frame ）构成，帧是MP3 文件的最小组成单位。每帧都包含帧头，并可以计算帧的长度。根据帧的性质不同，文件主要分为三个部分，ID3v2 标签帧，数据帧和ID3v1 标签帧。并非每个MP3 文件都有ID3v2 ，但是数据帧和ID3v1 帧是必须的。ID3v2 在文件头，以字符串“ID3” 为标志，包含了演唱者，作曲，专辑等信息，长度不固定，扩展了ID3V1 的信息量。ID3v1 在文件结尾，以字符串“TAG ”为标记，其长度是固定的128 个字节，包含了演唱者、歌名、专辑、年份等信息。
I, ID3V2
ID3V2 到现在一共有四个版本，但流行的播放软件一般只支持第三版，既 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。
标签头
长度为10 个字节，位于文件首部，其数据结构如下：
char Header[3]; /* 字符串 "ID3" */
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，很少用到，可以忽略 */
char Size[4]; /* 标签大小，除了标签头的10 个字节的标签帧的大小 */
标签大小为四个字节，但每个字节只用低7 位，最高位不使用，恒为0 ，其格式如下：
0xxxxxxx 0xxxxxxx 0xxxxxxx 0xxxxxxx
计算公式如下：
ID3V2_frame_size = (int)(Size[0] & 0x7F) << 21
| (int)(Size[1] & 0x7F) << 14
| (int)(Size[2] & 0x7F) << 7
| (int)(Size[3] & 0x7F) + 10;
标签帧
每个标签帧都有一个10 字节的帧头和至少一个字节的不固定长度的内容组成。它们是顺序存放在文件中，由各自特定的标签头来标记帧的开始。其帧的结构如下：
char FrameID[4]; /* 用四个字符标识一个帧，说明其内容 */
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，此处不再说明 */
常用帧标识：
TIT2 ：标题
TPE1 ：作者
TALB ：专辑
TRCK ： 音轨，格式：N/M ，N 表示专辑中第几首，M 为专辑中歌曲总数
TYER ：年份
TCON ：类型
COMM ：备注，格式：“eng/0 备注内容”，其中eng 表示所使用的语言
帧大小为四个字节所表示的整数大小。
II, ID3V1
其数据结构如下：
char Header[3]; /* 标签头必须是"TAG" 否则认为没有标签 */
char Title[30]; /* 标题 */
char Artist[30]; /* 作者 */
char Album[30]; /* 专集 */
char Year[4]; /* 出品年代 */
char Comment[28]; /* 备注 */
char reserve; /* 保留 */
char track;; /* 音轨 */
char Genre; /* 类型 */
其实，关于最后31 个字节还存在另外一个版本，就是30 个字节的Comment 和一个字节的Genre.
有了上述的这些信息，我们就可以自己写代码，从MP3 文件中抓取信息以及修改文件名了。但是，如果真的想写一个播放软件，还是需要读它的数据帧，并进行解码。
III, 数据帧
数据帧往往有多个，至于有多少，由文件大小和帧大小来决定。每个帧都有一个四字节长的帧头，接下来可能有两个字节的CRC 校验，其存在由帧头中的具体信息决定。接着就是帧的实体数据，也就是MAIN_DATA 了。
A, 帧头结构如下：
位置 长度 描述
（BIT ） （BITS ）
————————————————————————————
31 －19 12 Frame sync(0xFFF)
18/17 2 Layer, 00 – reserved, 01 – Layer III
10 – Layer II, 11 － Layer I
16 1 protection_bit, 0 意味着受CRC 保护，帧头后面跟16 位的CRC 。
15-12 4 bitrate_index, 比特率
11-10 2 sampling_frequency, 00 – 44.1KHz, 01 – 48KHz
10 – 32 KHz, 11 – 保留
9 1 padding_bit,1 意味着帧里包含padding 位，仅当采样频率为44.1KHz 时发生。
8 1 private_bit
7 －6 2 mode, 00 －stereo, 01-joint stereo(intensity stereo and/or ms_stereo)
11- dual_channel, 11 – single_channel
5-4 2 mode_extension, 在Layer III 中表示使用了哪一种joint stereo 编码方式。
Intensity_stereo ms_stereo
00 off off
01 on off
10 off on
11 on on
3 1 copyright,1 表示受版权保护。
2 1 original ，0 表示该bitstream 是一个copy ，1 表示是original.
1-0 2 emphasis ，表示会使用哪一种de-emphasis 。
00 － no emphasis, 01 – 50/15 microsec. Emphasis
10 – reserved, 11 – CCITT J.17
1) 无论帧长是多少，每帧的播放时间都是26ms
2) 数据帧大小：
FrameSize = 144 * Bitrate / SamplingRate + PaddingBit
当144 * Bitrate / SamplingRate 不能被8 整除，则加上相应的paddingBit.
B,MAIN_DATA:
MP3 的granule 包含18 * 32 个subband 采样。每个数据帧含有两个granule 的数据，其内容结如下：
- main_data_end pointer
- side info for both granules (scfsi)
- side info granule 1
- side info granule 2
- scalefactors and Huffman code data granule 1
- scalefactors and Huffman code data granule 2
主要数据里包含了scalefactors, Huffman encoded data 和ancillary information 。其内容不再详叙，可以参考MP3 SPEC －IS0 11172-3 AUDIO PART 。我们一般用的都是立体声，scfsi 的长度为32 个字节。
这里要解释的一个概念就是位流――bitstream 。我们平常接触到的数据都是整数，最小的单位就是byte 后者char 。虽然我们也会用一个字节里的不同位来表示不同的含义，但总的来说，我们在出来数据的时候还是把它当作一个个字节看待。但对MP3 这种数据格式来说，这是行不通的。在解码时，它的数据输入就是一个个比特流。其中一个或几个比特会是你的采样数据或者信息编码。你需要从整个MAIN_DATA 里提取你所需要的以BIT 为单位的参数和输入信号，从而进行解码。所以我们需要一个子程序，getbit(n) ，也就是从缓冲中提取所需要的位，并形成一个新的整数，作为我们的输出。
C,LAME 标签帧
可是，当你真的打开一个MP3 文件的时候，你会发现，很奇怪，很多时候第一个数据帧的帧头后面的32 个字节居然都为0 ，这是为什么呢，这么奇怪的解码信息该如何解释？找到MP3 INFO TAG REV SPECIFICATION 的网站，我才明白，原来第一帧并不是真正的数据帧，而是LAME 编码的标志帧。
这里又要牵涉到两个概念：CBR 和VBR 。CBR 表示比特率不变，也就是每帧的长度是一致的，它以字符串“INFO ”为标记。VBR 是Variable BitRate 的简称，也就是每帧的比特率和帧的长度是变化的，它以字符串“Xing ”为标记。同时，它还存放了MP3 文件里帧的总个数，和100 个字节的播放总时间分段的帧的INDEX ，还有其他一些参数，这被称为Zone A ，传统Xing VBR 标签数据，共120 个字节。
在二进制文本编辑器里我们还可看到一个字符串“LAME ”，并且后面清楚地跟着版本号。这就是20 个字节的Zone B 初始LAME 信息，表示该文件是用LAME 编码技术。接下来一直到该帧结束就是Zone C －LAME 标签。
1335
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
