mp4文件格式解析

注：概念

• box：由唯一类型标识符和长度定义的面向对象的构件
• container box：用来容纳一组相关box的box，container box通常都不是fullbox
• chunk：同一轨道的一组连续的采样
• hint track：不包含媒体数据，但包含了将一个或多个轨打包到流频道的指示
• media data box：用来容纳实体数据的box
• movie box：子box定义了元数据（metadata）的容器box
• sample：与单个时间戳相关联的所有数据，video sample即为一帧视频，或一组连续视频帧，audio sample即为一段连续的压缩音频
• sample description：定义和描述轨中的采样的格式的结构
• sample table：指明sampe时序和物理布局的表
• track：按时间排序的相关的采样，对于媒体数据来说，track表示一个视频或音频序列

1、概述

  MP4文件中的所有数据都装在box（QuickTime中为atom）中，也就是说MP4文件由若干个box组成，每个box有类型和长度，可以将box理解为一个数据对象块。box中可以包含另一个box，这种box称为container box。一个MP4文件首先会有且只有一个“ftyp”类型的box，作为MP4格式的标志并包含关于文件的一些信息；之后会有且只有一个“moov”类型的box（Movie Box），它是一种container box，子box包含了媒体的metadata信息；MP4文件的媒体数据包含在“mdat”类型的box（Midia Data Box）中，该类型的box也是container box，可以有多个，也可以没有（当媒体数据全部引用其他文件时），媒体数据的结构由metadata进行描述。

来自网络

2、Box

  box中的字节序为网络字节序，也就是大端字节序（Big-Endian），简单的说，就是一个32位的4字节整数存储方式为高位字节在内存的低端。Box由header和body组成，其中header统一指明box的大小和类型，body根据类型有不同的意义和格式。

  标准的box开头的4个字节（32位）为box size，该大小包括box header和box body整个box的大小，这样我们就可以在文件中定位各个box。如果size为1，则表示这个box的大小为large size，真正的size值要在largesize域上得到。（实际上只有“mdat”类型的box才有可能用到large size。）如果size为0，表示该box为文件的最后一个box，文件结尾即为该box结尾。（同样只存在于“mdat”类型的box中。）

  size后面紧跟的32位为box type，一般是4个字符，如“ftyp”、“moov”等，这些box type都是已经预定义好的，分别表示固定的意义。如果是“uuid”，表示该box为用户扩展类型。如果box type是未定义的，应该将其忽略。

3、ftyp：file type box

表明文件类型，该box只有一个并且只能被包含在文件层，不能被其他box包含。同时，他应该出现在文件的最开始的位置，指示该MP4文件应用的相关信息。ftyp box包含一个32位的major brand（4个字符），一个32位的minor version（整数）和一个以32位为单位的compatible brands数组。

file type box

注：box的类型为ftyp box大小为24个字节，其中major_brand和minor_version都是isom。

• major_brand： 是一个标识符
• minor_version： 是一个major brand 的次版本标识
• compatible_brands：是一个list，一直到box的结尾

4、Movie Box（moov）

该box包含了文件媒体的metadata信息，“moov”是一个container box，具体内容信息由子box诠释。同File Type Box一样，该box有且只有一个，且只被包含在文件层。一般情况下，“moov”会紧随“ftyp”出现。“moov”中会包含1个“mvhd”和若干个“trak”。其中“mvhd”为header box，一般作为“moov”的第一个子box出现（对于其他container box来说，header box都应作为首个子box出现）。“trak”包含了一个track的相关信息，是一个container box。