【音视频 | Ogg】Ogg封装格式详解——包含Ogg封装过程、数据包(packet)、页(page)、段(segment)等

博客主页：https://blog.csdn.net/wkd_007
博客内容：嵌入式开发、Linux、C语言、C++、数据结构、音视频
本文内容：介绍Ogg文件格式
金句分享：子曰：见贤思齐焉，见不贤而内自省也。——《论语·里仁篇》。意思是，看见德才兼备的人就向他学习，希望能向他看齐；看见不贤的人，就反省自己有没有和他一样的缺点，有要改正。

文章未经允许，不许转载 ！！！

---

一、Ogg 概述

Ogg是一个自由且开放标准的多媒体文件格式，由Xiph.Org基金会所维护。Ogg格式并不受到软件专利的限制，并设计用于有效率地流媒体和处理高质量的数字多媒体。

与大多数容器格式一样，它封装了原始的压缩数据，并允许在一种方便的格式中交错存储音频和视频数据。

Ogg 这个词汇通常意指Ogg Vorbis此一音频文件格式，也就是将Vorbis编码的音效包含在Ogg的容器中所成的格式。在以往，.ogg 此一扩展名曾经被用在任何Ogg支持格式下的内容，但在2007年，Xiph.Org 基金会为了向后兼容的考虑，提出请求，将.ogg只留给Vorbis格式来使用。 Xiph.Org基金会决定创造一些新的扩展名和媒体格式来描述不同类型的内容，像是只包含音效所用的.oga，包含或不含声音的影片（涵盖 Theora）所用的.ogv和程序所用的.ogx。

更多关于Ogg的资料可以到Ogg官网学习：https://xiph.org/ogg/

描述Ogg封装格式的 RFC3533 文档：https://www.xiph.org/ogg/doc/rfc3533.txt 或 https://datatracker.ietf.org/doc/html/rfc3533

原文链接：https://blog.csdn.net/wkd_007/article/details/134150061

二、Ogg 支持的编码格式

Ogg意指一种文件格式，可以纳入各式各样自由和开放源代码的编解码器，包含音效、视频、文字（像字幕）与元数据的处理。
下面是Ogg支持的编码格式：

• 音频

  • 有损
    • Speex：以低比特率处理语音数据（〜2.1-32 kbit / s /通道）
    • Vorbis：处理中高级可变比特率（每通道≈16-500kbit / s）的一般音频数据
    • Opus：以低和高可变比特率处理语音，音乐和通用音频（每通道≈6-510kbit / s）
  • 无损
    • FLAC：处理文件和高保真音频数据。
  • 未压缩
    • OggPCM：处理未压缩的PCM音频。它与WAV大致相当[5]。

• 视频

  • 有损
    • Theora：基于On2的VP3，它的目标是与MPEG-4视频（例如，使用DivX或Xvid编码），RealVideo或Windows Media Video进行竞争。
    • Daala：正在开发的视频编码格式。
    • Dirac：由BBC开发的免费开放视频格式。使用小波编码[6]。
    • Tarkin：实验项目，现在过时的视频编解码器在2000年，2001年和2002年开发利用离散小波变换的三个维度的宽度，高度和时间。[7][8][9]。在Theora成为视频编码的主要焦点之后，已被搁置（2002年8月）[10]。
  • 无损
    • Dirac：Dirac规范的一部分涵盖无损压缩。
    • Daala：正在开发的视频编码格式。

• 文本

  • Writ：用于嵌入字幕或字幕的文本编解码器的草稿不完整，于2007年停止[11]。
  • CMML：用于定时元数据，字幕和格式的文本/应用编解码器。
  • Annodex：CSIRO开发的免费开源标准，用于注释和索引网络媒体。
  • OggKate：最初设计用于卡拉OK和文本的重叠编解码器，可以在Ogg中复用。

三、Ogg 基础知识

✨3.1 Ogg 相关术语

• 物理比特流：Ogg封装的结果，被称为物理（Ogg）比特流，也就是说.ogg文件属于一个物理比特流。
• 逻辑比特流：Ogg封装了一个或多个编码器创建的比特流，称为 逻辑比特流，例如：Vorbis编码的流，Theora编码的流等。
  每个逻辑比特流都以一个特殊的起始页（bos=beginning of stream）开始，并以一个特定的页（eos=end of stream）结束。
• 分包(packet)：Ogg封装过程中，逻辑比特流会被拆分为一系列数据包(packet)，它们不包含边界信息地串在一起。
• 页(page)：页(page)是Ogg物理比特流的基本组成单位。Ogg比特流由一个个大小可变的页(page)组成，页的大小通常为4-8 kB，最大65307字节。
• 段(segments)：由于页的最大大小约为64k字节，封装时有些数据包(packet)太大，需要存在几个页里。为了简化过程，Ogg将每个数据包划分为255字节长的块和最后一个较短的块，这些块被称为“Ogg段”(Ogg Segments)。假设一个数据包(packet)大小为520字节，那么它会被分成三个段，大小分别为：255字节、255字节、10字节。
  （疑问：有没有可能有些数据包很小，使得一页中包含很多个数据包？）

✨3.2 Ogg 物理比特流类型

• 分组(Grouping)：分组(Grouping)定义了如何在同一物理比特流中逐页交错多个逻辑比特流。例如，在同一比特流中将视频流和音频流交错存储。
• 链接(Chaining)：完整的逻辑比特流被连接在一起。

看下图例子加深理解：在这个例子中，有两个链接的物理比特流，第一个是由三个逻辑比特流A、B和C组成的分组流。第二个物理比特流D链接在分组比特流的末尾之后，分组比特流在其所有分组逻辑比特流的最后一个eos页之后结束。

✨3.3 Ogg 封装过程

Ogg 封装过程：
1、编码器提供的比特流作为“分包”(Packets)移交给Ogg，分包边界(packet boundaries)取决于编码格式；
2、Ogg封装过程将数据包分割成若干段；
3、将一组连续的段(segments)包装成一个可变长度的页面(page)；
4、最后将各个页(page)混合组成一个Ogg物理比特流。

上图是Ogg封装过程的例子：

• 1、编解码器提供的部分比特流细分为数据包。
• 2、Ogg封装过程将数据包分割成若干段。本例中的数据包相当大，因此数据包1被分为5个段，其中4个段有255个字节，最后一个较小。数据包2分为4个段，其中3个段有255个字节，最后一个非常小。数据包3分为两个段。
• 3、封装过程会创建页面，在本例中页面非常小。页面1由数据包1的前三个段组成，页面2包含数据包1中剩余的两个段，页面3包含数据包2的前三页。
• 4、最后，该逻辑比特流的页面和其他逻辑比特流页面被混合组成一个物理Ogg比特流。

四、Ogg 文件结构

从上面内容可知，Ogg文件也属于一个物理比特流。是由一个个页(page)组成的。首先，我们要了解一个页的内容，然后找到Ogg文件的各个页就可以解析Ogg文件了。

✨4.1 Ogg 页(page)格式

Ogg的页(page)由页面头部(page header) 加上该页的各个段(segments)的数据组成。

页面头部(page header)中的9个字段具有以下含义:

• 1、capture_pattern：表示页面开始的4字节字段。它包含4个字符：O、g、g、S。它可以帮助解码器找到页面边界，并在解析损坏的流后重新获得同步。一旦发现捕获模式，解码器就通过计算和比较校验和来验证页面同步和完整性。

• 2、stream_structure_version：1字节，表示该流中使用的Ogg文件格式的版本号（本文档指定版本0）。

• 3、header_type_flag：这1字节字段中的位标识该页面的特定类型。

  • bit 0x01
    • 被设置：页面包含从上一页继续的数据包的数据。
    • 没设置： 页面包含新的数据包
  • bit 0x02
    • 被设置：这是逻辑比特流(bos)的第一页
    • 没设置：此页面不是首页
  • bit 0x04
    • 被设置：这是逻辑比特流(eos)的最后一页
    • 没设置：这一页不是最后一页

• 4、granule_position：包含位置信息的8字节字段。例如，对于音频流，它可能包含在包括此页面上完成的所有帧之后编码的PCM样本的总数。对于视频流，它可能包含在此页面之后编码的视频帧的总数。这是对解码器的提示，并给它一些定时和位置信息。其含义取决于该逻辑比特流的编解码器，并在特定媒体映射中指定。特殊值-1（以2的补码表示）表示此页上没有数据包结束。

• 5、bitstream_serial_number：包含唯一序列号的4字节字段，通过该唯一序列号来识别逻辑比特流。

• 6、page_sequence_number：包含页面序列号的4字节字段，使得解码器可以识别页面丢失。该序列号在每个逻辑比特流上分别增加。

• 7、CRC_checksum：包含页面的32位CRC校验和的4字节字段（包括具有零CRC字段的报头和页面内容）。生成多项式为0x04c11db7。

• 8、number_page_segments：1字节，给出分段表(segment table)中编码的分段条目的数量。

• 9、segment_table：大小为 number_page_segments 个字节。包含此页中所有段的lacing value。每个字节包含一个 lacing value。

以字节为单位的页面头部大小(total header size)由下式给出:

header_size = number_page_segments + 27 [Byte]

以字节为单位的总页面大小由下式给出：页面头部大小 + 所有lacing_values值之和

page_size = header_size + sum(lacing_values: 1..number_page_segments)[Byte]

✨4.2 Ogg 封装文件解析

这里按照上面的页的格式，演示怎样解析一个Ogg封装的文件，文件可以在这个链接下载：https://download.csdn.net/download/wkd_007/88492683 。

用Notepad打开该文件并查看十六进制模式：

下面是文件第一页的数据：

• capture_pattern字段：值为0x4f、0x67、0x67、0x53，对应字符OggS，表示页起始标志；
• stream_structure_version字段：值为0x00，表示版本号；
• header_type_flag字段：值为0x02，表示逻辑比特流(bos)的第一页；
• granule_position字段：值为0x0，媒体编码相关的参数信息，表示到本页为止逻辑流有0个采样；
• bitstream_serial_number字段：0x23、0x49、0x02、0x11，逻辑比特流序列号；
• page_sequence_number字段：0x00、0x00、0x00、0x00，页面序列号；
• CRC_checksum字段：0xdf、0xe2、0x0c、0x1f，32位CRC校验；
• number_page_segments字段：0x01，表示后面段(segment)的个数，本页有1个段(segment)；
• segment_table：前面指明了只有1个段，所以segment_table大小为1个字节，值为 0x13，表示这个段的大小为0x13个字节。
• 后面的0x13个字节就是段的内容(上图中浅蓝色背景的字节)：0x4f开始到0x00。

紧接着是第二页的数据：

• capture_pattern字段：值为0x4f、0x67、0x67、0x53，对应字符OggS，表示页起始标志；
• stream_structure_version字段：值为0x00，表示版本号；
• header_type_flag字段：值为0x00，表示不是逻辑比特流(bos)的第一页，也不是最后一页，也不包含从上一页继续的数据包；
• granule_position字段：值为0x0，媒体编码相关的参数信息，表示到本页为止逻辑流有0个采样；
• bitstream_serial_number字段：0x23、0x49、0x02、0x11，逻辑比特流唯一序列号；
• page_sequence_number字段：0x01、0x00、0x00、0x00，页面序列号；
• CRC_checksum字段：0xd4、0x3e、0x3f、0x20，32位CRC校验；
• number_page_segments字段：0x03，表示后面段(segment)的个数，本页有3个段(segment)；
• segment_table：前面指明了3个段，所以segment_table大小为3个字节，值为 0xff、0xff、0xfe，表示这个3个段的大小分别为为 0xff、0xff、0xfe个字节。后面三个段的总字节数为： 0xff+0xff+0xfe=0x2fc字节。
• 之后的0x2fc个字节就是三个段的内容(上图中浅蓝色背景的字节，没显示完整)：0x4f开始到0x00。这里的起始地址是0x4d，加上0x2fc，就是下一页的地址0x349。

紧接着是第三页的数据，起始地址是0x349：

• capture_pattern字段：值为0x4f、0x67、0x67、0x53，对应字符OggS，表示页起始标志；
• stream_structure_version字段：值为0x00，表示版本号；
• header_type_flag字段：值为0x00，表示不是逻辑比特流(bos)的第一页，也不是最后一页，也不包含从上一页继续的数据包；
• granule_position字段：值为0x80、0xbb、0x0、0x0、0x0、0x0、0x0、0x0，媒体编码相关的参数信息，小端表示到本页的逻辑流有48000帧(小端0xbb80=48000)；
• bitstream_serial_number字段：0x23、0x49、0x02、0x11，逻辑比特流唯一序列号；
• page_sequence_number字段：0x02、0x00、0x00、0x00，页面序列号；
• CRC_checksum字段：0x98、0x9d、0xc5、0x56，32位CRC校验；
• number_page_segments字段：0x33，表示后面段(segment)的个数，本页有51(0x33=51)个段(segment)；
• segment_table：前面指明了51个段，所以segment_table大小为51个字节，值分别为图中蓝色背景部分，每个字节表示各个段的大小。这51个字节的值相加就是后面51个段总字节数：0xff + 0x06 + 0xe5 + 0xab + 0xa2 + 0xa1 + 0xa5 + 0xa3 + 0xdf + 0xab + 0xa7 + 0xa1 + 0xa3 + 0x9d + 0xec + 0xe0 + 0xa4 + 0x9e + 0xb3 + 0xa6 + 0xbe + 0xb8 + 0xb4 + 0xaa + 0xa3 + 0xa2 + 0xa4 + 0x99 + 0x9f + 0x9c + 0x96 + 0x94 + 0x94 + 0x97 + 0x99 + 0x9a + 0xa1 + 0x9e + 0xa0 + 0xa6 + 0xa1 + 0xa0 + 0xaa + 0xa9 + 0xac + 0xa4 + 0xa6 + 0x9d + 0x9a + 0x94 + 0x98 = 8484个字节；
• 之后的8484个字节就是51个段的内容。第一个段的起始地址是0x397，加上8484，就是下一页的地址0x24bb。

紧接着是第四页的数据，起始地址是0x24bb：

• capture_pattern字段：值为0x4f、0x67、0x67、0x53，对应字符OggS，表示页起始标志；
• stream_structure_version字段：值为0x00，表示版本号；
• header_type_flag字段：值为0x00，表示不是逻辑比特流(bos)的第一页，也不是最后一页，也不包含从上一页继续的数据包；
• granule_position字段：值为0x00、0x77、0x01、0x0、0x0、0x0、0x0、0x0，媒体编码相关的参数信息，小端表示到本页的逻辑流有96000帧(小端0x017700=96000)；
• bitstream_serial_number字段：0x23、0x49、0x02、0x11，逻辑比特流唯一序列号；
• page_sequence_number字段：0x03、0x00、0x00、0x00，页面序列号；
• CRC_checksum字段：0x25、0x80、0xd7、0x7d，32位CRC校验；
• number_page_segments字段：0x32，表示后面段(segment)的个数，本页有50(0x32=51)个段(segment)；
• segment_table：前面指明了50个段，所以segment_table大小为50个字节，值分别为图中蓝色背景部分，每个字节表示各个段的大小。这50个字节的值相加就是后面50个段总字节数，这里不计算了，感兴趣自己算。
• 之后的若干个字节就是50个段的内容。

这里解析了4页，后面的页数依次类推去分析，这个文件有118页，最后一页的话，其header_type_flag字段值为0x04。

五、读取Ogg文件的C语言代码

// readOggFile.c
#include 
#include 
#include 

// 8字节数组转成 unsigned long long
unsigned long long ToULL(unsigned char num[8], int len)
{
	unsigned long long ret = 0;
	if(len==8)
	{	
		int i=0;
		for(i=0; i<len; i++)
		{
			ret |= ((unsigned long long)num[i] << (i*8));
		}
	}
	return ret;
}

// 4字节数组转成 unsigned int
unsigned int ToUInt(unsigned char num[4], int len)
{
	unsigned int ret = 0;
	if(len==4)
	{
		int i=0;
		for(i=0; i<len; i++)
		{
			ret |= ((unsigned int)num[i] << (i*8));
		}
	}
	return ret;
}

int readOggPage(char *oggFile)
{
	typedef struct PAGE_HEADER{  
		char           Oggs[4];        
		unsigned char  ver;
		unsigned char  header_type_flag;
		unsigned char  granule_position[8];
		unsigned char  stream_serial_num[4];
		unsigned char  page_sequence_number[4];
		unsigned char  CRC_checksum[4];
		unsigned char  seg_num;
		unsigned char  segment_table[];
	}PAGE_HEADER;
	
	FILE *fp=fopen(oggFile,"rb");
	
	while(!feof(fp))
	{
		// 1、读取 page_header
		PAGE_HEADER page_header;
		if(1 != fread(&page_header,sizeof(page_header),1,fp))
			break;
		printf("page_num:%03u; ",ToUInt(page_header.page_sequence_number, 4));
		printf("Oggs:%c %c %c %c; ",page_header.Oggs[0],page_header.Oggs[1],page_header.Oggs[2],page_header.Oggs[3]);
		printf("type=%d, granule_position:%08llu; ", page_header.header_type_flag,ToULL(page_header.granule_position, 8));
		//printf("seg_num:%d \n",page_header.seg_num);
		
		// 2、读取 Segment_table
		unsigned char *pSegment_table = (unsigned char *)malloc(page_header.seg_num);
		fread(pSegment_table,sizeof(unsigned char),page_header.seg_num,fp);
		
		// 3、计算段数据总大小
		unsigned int TotalSegSize = 0;
		int i=0;
		for(i=0; i<page_header.seg_num; i++)
		{
			TotalSegSize += pSegment_table[i];
		}
		printf("TotalSegSize:%d \n",TotalSegSize);
		
		// 4、读取段数据
		unsigned char *pSegment_data = (unsigned char *)malloc(TotalSegSize);
		fread(pSegment_data,sizeof(unsigned char),TotalSegSize,fp);
		
		if(page_header.header_type_flag == 4)
			printf("Last 4 Byte: %x %x %x %x\n",pSegment_data[TotalSegSize-4],pSegment_data[TotalSegSize-3], pSegment_data[TotalSegSize-2],pSegment_data[TotalSegSize-1]);
		
		free(pSegment_data);
		free(pSegment_table);
	}
	fclose(fp);
	return 0;
}

int main()
{
	readOggPage("48000Hz-s16le-1ch-ChengDu.opus");
	return 0;
}

六、总结

本文介绍了Ogg支持的编码格式，Ogg的封装过程，Ogg文件结构，以及Ogg的相关术语(物理比特流、逻辑比特流、数据包(packet)、页(page)、段(segment) )等内容。

最后，似乎有点问题，文章只讲了Ogg文件结构和页头部数据，并没有解析各个段的内容。因为段的内容是根据编码不同而变化的，需要再了解跟编码相关的文档如：opus音频编解码器的Ogg封装。这些内容后面单独去分析。

这两天发现了查看RFC文档的一个网址：https://datatracker.ietf.org/，只需要搜索想看的RFC文档，基本都可以搜到。
https://datatracker.ietf.org/doc/rfc7845/，显示格式是标题栏在上面；
https://datatracker.ietf.org/doc/html/rfc7845/，显示格式是标题栏在侧边，个人比较喜欢这个风格。

如果文章有帮助的话，点赞、收藏⭐，支持一波，谢谢

参考文档：
rfc3533：https://datatracker.ietf.org/doc/html/rfc3533
Opus从入门到精通(五)OggOpus封装器全解析：https://juejin.cn/post/6844904016254599175
https://www.cnblogs.com/dylancao/p/8303418.html