=====================================================
视音频编解码学习工程系列文章列表：
=====================================================
本文介绍一个自己的开源小项目：FLV封装格式分析器。FLV全称是Flash Video，是互联网上使用极为广泛的视频封装格式。像Youtube，优酷这类视频网站，都使用FLV封装视频。我这个项目规模不大，主要可以用来学习FLV封装格式结构。此外它还支持分离FLV中的视频流和音频流。使用VC 2010的MFC开发完成。在对FLV进行视音频分离的过程中，用到了一个Github开源小工程：flvparse。在此插一句：我发现Github上优秀的东西真的还是挺多的，许多零散的小工程，效果都很不错。这个flvparse做的就不错。
软件的exe以及源代码已经上传到了SourceForge上。和之前的H.264码流分析器一样，增加了一个英文界面，紧跟国际潮流~
项目地址：https://sourceforge.net/projects/flvformatanalysis/
CSDN下载地址（程序+源代码）：http://download.csdn.net/detail/leixiaohua1020/6838805
更新记录==============================
1.1版（2014.7.8）
* 更换了界面
* 原工程支持Unicode编码
* 支持中英文切换
CSDN源代码：http://download.csdn.net/detail/leixiaohua1020/7767613
新版（2016.1.1）
* 精简了代码，使之更通俗易懂
* 修改了少量界面UI
* 修正了少量解析错误
* 添加了对TagData首字节的解析
已经更新至SourceForge上
软件使用介绍
软件的使用相当简单。软件运行后，首先打开一个FLV文件。单击“开始”，可以解析出一系列Tag，列表显示在软件右侧。不同种类的Tag被标记成了不同的颜色。列表中包含了每个Tag的类型、大小、时间戳、StreamID、TagData首字节。软件的左侧，显示了FLV文件头信息。
此外软件做了一个英文界面，如下所示。
注：如果勾选上“输出视频”，“输出音频”的话，可以输出分离后的视频流和音频流。在这里要注意的是音频支持MP3格式，AAC格式貌似有点问题。
软件源代码简析
源代码方面和普通的MFC程序差不太多，懂得MFC的人应该很快就能看懂。唯一比较特殊的地方，就在于对开源项目flvparse进行了一些改动，在此就不细说了。注释方面还是很充分的。
FLV封装原理
FLV（Flash Video）是Adobe公司设计开发的一种流行的流媒体格式，由于其视频文件体积轻巧、封装简单等特点，使其很适合在互联网上进行应用。此外，FLV可以使用Flash Player进行播放，而Flash Player插件已经安装在全世界绝大部分浏览器上，这使得通过网页播放FLV视频十分容易。目前主流的视频网站如优酷网，土豆网，乐视网等网站无一例外地使用了FLV格式。FLV封装格式的文件后缀通常为“.flv”。
总体上看，FLV包括文件头（File Header）和文件体（File Body）两部分，其中文件体由一系列的Tag组成。因此一个FLV文件是如图1结构。
图1.文件结构（简图）
其中，每个Tag前面还包含了Previous Tag Size字段，表示前面一个Tag的大小。Tag的类型可以是视频、音频和Script，每个Tag只能包含以上三种类型的数据中的一种。图2展示了FLV文件的详细结构。
图2.FLV文件结构（详图）
下面详细介绍一下三种Tag的Tag Data部分的结构。
(a)Audio Tag Data结构（音频Tag）
音频Tag开始的第1个字节包含了音频数据的参数信息，从第2个字节开始为音频流数据。结构如图3所示。
图3.Audio Tag Data结构
第1个字节的前4位的数值表示了音频编码类型。如表1所示。
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 |
第1个字节的第5-6位的数值表示音频采样率。如表2所示。
表2.音频采样率
|
值 |
含义 |
|
0 |
5.5kHz |
|
1 |
11KHz |
|
2 |
22 kHz |
|
3 |
44 kHz |
PS：从上表可以发现，FLV封装格式并不支持48KHz的采样率。
第1个字节的第7位表示音频采样精度。如表3所示。
表3.音频采样精度
|
值 |
含义 |
|
0 |
8bits |
|
1 |
16bits |
第1个字节的第8位表示音频类型。
表4. 音频类型
|
值 |
含义 |
|
0 |
sndMono |
|
1 |
sndStereo |
(b)Video Tag Data结构（视频Tag）
视频Tag也用开始的第1个字节包含视频数据的参数信息，从第2个字节为视频流数据。结构如图4所示。
图4.Video Tag Data结构
第1个字节的前4位的数值表示帧类型。如表5所示。
表5.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 |
第1个字节的后4位的数值表示视频编码类型。如表6所示。
表6.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 |
(c)Script Tag Data结构（控制帧）
该类型Tag又通常被称为Metadata Tag，会放一些关于FLV视频和音频的元数据信息如：duration、width、height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。结构如图5所示。
图5.Script Tag Data结构
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7所示。
表7.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 |