flv文件格式介绍

参考

[1] FLV and F4V File Format Specification (Version 10.1)
[2] 叶余/FLV 封装格式解析
[3] FFmpeg/FFmpeg/blob/master/libavformat/flvdec.c

1. 概述

flv(Flash Video)是Adobe设计的一个免费开放的音视频格式。

2. flv文件主体结构

flv包括Header和Body两部分：

Header：flv的类型、版本等信息。
Body：数据区域。细分成很多的Tag。

使用的是Big-endian字节序。

2.1 Header信息

Header总共由9个字节组成，构成如下：

           ----------------------------------------------
字节序     | 46 | 4c | 56 | 01 | 05 | 00 | 00 | 00 | 09 |
           ----------------------------------------------
字符序       F    L    V    1  /    \                9
                    ---------------------------------
bit序               | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 |
                    ---------------------------------
                                         1/0     1/0
                                        音频位  视频位

Header的9字节意义如下：

第1-3字节：signature, 文件类型。FLV的文件标志为固定的“FLV"。
第4字节：version，版本。固定为0x01。
第5字节：flags，此字节当前用到的只有第6，8两个bit位，分别标志当前文件是否存在音频，视频。参见上面bit序，即是第5字节的内容。
第6-9字节：header size，整个header的长度，此4字节共同组成一个无符号32位整数，当前版本固定为9。

2.2 BODY

Body是由Tag Size（4字节）和Tag组成，其结构如下：

-------------------------
|  Previous Tag Size    |
-------------------------
|          Tag          |
-------------------------
|  Previous Tag Size    |
-------------------------
|          Tag          |
-------------------------
|  Previous Tag Size    |
-------------------------
|          Tag          |
-------------------------
|  Previous Tag Size    |
-------------------------

Previous Tag Size：前一个Tag的大小，无符号32位整型。第一个Previous Tag Size是紧接着Header的，因此，其值也是固定为0。

3. Tag介绍

Tag分为Tag Header和Tag Data两部分。

Tag Data不止一种，当前版本共有3种类型组成：

音频（audio）
视频（video）
脚本数据（script data）：关于FLV视频和音频的一些参数信息（亦称为Metadata Tag），通常该Tag会在Header后面作为第一个Tag出现，并且一个文件仅有一个Script Data Tag。

结构如下：

-------------------------
|       Tag Header      |
-------------------------
|       Tag  Data       |
-------------------------
 
                -------------------------
                |       Tag Header      |
                -------------------------
                 /                    \
--------------------------------------------------------
| 08 | 00 | 00 | 18 | 00 | 00 | 00 | 00 | 00 | 00 | 00 |
--------------------------------------------------------

3.1 Tag Header

由11个字节组成：

第1字节：type，Tag的类型。音频（0x08），视频（0x09），Script Data（0x12），除此之外，其他值非法。
第2-4字节：tag data size。一个无符号24位整型数值（UI24），表示当前Tag Data的大小。
第5-7字节：Timestamp。UI24，当前Tag的时间戳（单位为ms），第一个Tag的时间戳总为0；
第8字节：Timestamp_ex，时间戳的扩展字节，当前24位不够用时，该字节作为最高位，将时间戳扩展为32位无符号整数。
第9-11字节：stream id。UI24类型，表示Stream ID，总是0。

3.2 Audio Tag Data

Audio Tag Data开始的第1个字节包含了音频数据的参数信息，第2个字节开始为音频流数据：

第1字节：

UB[4]，前4位标识音频数据的格式，如：0x2表示的是MP3数据，字典表见表1。
UB[2]，第5，6位bit表示采样率，见表2。
UB[1]，采样精度， 0为8bits， 1为16bits。
UB[1]，音频类型，mono=0， stereo=1

表1.音频编码类型

值	含义
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
14	MP3 8-Khz
15	Device-specific sound

表2.音频采样率

值	含义
0	5.5kHz
1	11KHz
2	22 kHz
3	44 kHz

3.3 Video Tag Data

第1个字节包含的是视频参数信息，第2字节开始为视频流数据。

第1个字节：

UB[4]，前4位标识帧类型。见表3帧类型。
UB[4]，后4位标识视频编码类型。见表4视频编码类型。

表3.帧类型

值	含义
1	keyframe （for AVC，a seekable frame）
2	inter frame （for AVC，a nonseekable frame）
3	disposable inter frame （H.263 only）
4	generated keyframe （reserved for server use）
5	video info/command frame

表4.视频编码类型

值	含义
1	JPEG （currently unused）
2	Sorenson H.263
3	Screen video
4	On2 VP6
5	On2 VP6 with alpha channel
6	Screen video version 2
7	AVC

3.4 Script Tag Data

该类型Tag又通常被称为Metadata Tag，会放一些视频和音频的元数据信息如：duration、width、height、audiodatarate等。通常该类型Tag会跟在File Header后面作为第一个Tag出现，而且只有一个。

介绍下脚本的数据类型。所有数据都是以

数据类型+（数据长度）+数据的格式

出现的，数据类型占1byte，数据长度看数据类型是否存在，后面才是数据。数据类型见表5。

一个数据包示例如下：

-------------------------------------------------
| AMF1("onMetaData")  | AMF2("wight, height...")|
-------------------------------------------------

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）。

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。常见的数组元素如表6所示。

表5.数据类型

0 = Number type
1 = Boolean type
2 = String type
3 = Object type
4 = MovieClip type
5 = Null type
6 = Undefined type
7 = Reference type
8 = ECMA array type
10 = Strict array type
11 = Date type
12 = Long string type

表6.常见MetaData

值	含义
duration	时长
width	视频宽度
height	视频高度
videodatarate	视频码率
framerate	视频帧率
videocodecid	视频编码方式
audiosamplerate	音频采样率
audiosamplesize	音频采样精度
stereo	是否为立体声
audiocodecid	音频编码方式
filesize	文件大小

4. 开源的解析软件

riverlight/FlvParser
FlvAnalyzer