一 前言
最近在尝试学习一些视频相关的知识，随便一搜才知道原来国内有雷神这么一个真正神级的人物存在，尤其是在这里（传送门）看到他的感言更是对他膜拜不已，雷神这种无私奉献的精神应当被我辈发扬光大。那写这篇随笔的理由是在看他写的AAC音频码流解析文章时（传送门）遇到一些问题，因为雷神毕竟等级与初学者不同，一些在他看来很基础的东西菜鸟（比如我）一看就懵逼了，看得是云里雾里，而且我在评论中也看到有人提问相同的问题，但是并没有人给出解答，我自己花了将近三个小时仔细看了AAC码流的介绍才明白，这里也献丑讲解一下。
二 AAC码流数据存储格式
这里先把雷神的话看一遍
这当然是没问题的，不过雷神说的有点过于简单了，ADTS frame内部的结构的什么样子的？数据存储在ADTS frame的哪一部分？这些并没有说清楚，所以下面看代码时就会搞不懂。我通过AAC Audio ES Viewer打开了一个AAC码流文件，这个软件能将一个AAC码流文件解析成一个个的ADTS frame，咱们来看一下（图片较大，如果看不清可以在新窗口打开查看）
我这里选择了第一个ADTS段，看右边的部分，可以看到一个ADTS内部其实又有四个部分组成：adts_fixed_header/adts_variable_header/adts_error_check/raw_data_block，其中后两个部分中并没有什么东西，咱们就先不管它们，重点分析下前两个部分。上面图中每一个部分后面都标了所占的bit，咱们可以计算一下，可以知道总共是56bit，也就是7个byte。也就是说ADTS header占7个字节，header也有可能占9个字节，看adts_fixed_header部分中的protection_absent，当这个值为0时，占7字节，为1时会占9个字节，当然这个就先说到这里，不是今天的重点，先不讨论。接下来咱们说下前面两个部分中比较重要的参数含义：
adts_fixed_header
- syncword：同步字，占12bit，值固定，都是0xFFF，转成二进制就是111111111111，这是每个ADTS frame的开头，就像上面雷神说的，咱们可以找到这个值，就能把AAC码流一个一个的分割开
- ID：表示使用的MPEG的版本，0表示MPEG-4，1表示MPEG-2
- layer：同syncword，值固定，都是00
- protection_absent：是否有同步校验，如果有值是0，没有是1
- profile：使用的AAC级别
- sampling_frequency_index：采样率，上图中可以看到是48000 Hz
- channel_configuration：声道数，上图中可以看到两个声道，LF RF表示左右声道
adts_variable_header
- aac_frame_length:ADTS frame长度，包括header和data部分（这个很关键）
好了，上面就是比较重要的参数介绍，知道这些，有助于理解雷神的代码思路。
三 代码解析
先把雷神的代码抄过来
int getADTSframe(unsigned char* buffer, int buf_size, unsigned char* data ,int* data_size){
int size = ;
if(!buffer || !data || !data_size ){
return -;
}
while(){
if(buf_size < ){
return -;
}
//Sync words
if((buffer[] == 0xff) && ((buffer[] & 0xf0) == 0xf0) ){
size |= ((buffer[] & 0x03) <<); //high 2 bit
size |= buffer[]<<; //middle 8 bit
size |= ((buffer[] & 0xe0)>>); //low 3bit
break;
}
--buf_size;
++buffer;
}
if(buf_size < size){
return ;
}
memcpy(data, buffer, size);
*data_size = size;
return ;
}
int simplest_aac_parser(char *url)
{
int data_size = ;
int size = ;
int cnt=;
int offset=;
//FILE *myout=fopen("output_log.txt","wb+");
FILE *myout=stdout;
unsigned char *aacframe=(unsigned char *)malloc(*);
unsigned char *aacbuffer=(unsigned char *)malloc(*);
FILE *ifile = fopen(url, "rb");
if(!ifile){
printf("Open file error");
return -;
}
printf("-----+- ADTS Frame Table -+------+\n");
printf(" NUM | Profile | Frequency| Size |\n");
printf("-----+---------+----------+------+\n");
while(!feof(ifile)){
data_size = fread(aacbuffer+offset, , *-offset, ifile);
unsigned char* input_data = aacbuffer;
while()
{
int ret=getADTSframe(input_data, data_size, aacframe, &size);
if(ret==-){
break;
}else if(ret==){
memcpy(aacbuffer,input_data,data_size);
offset=data_size;
break;
}
char profile_str[]={};
char frequence_str[]={};
unsigned char profile=aacframe[]&0xC0;
profile=profile>>;
switch(profile){
case : sprintf(profile_str,"Main");break;
case : sprintf(profile_str,"LC");break;
case : sprintf(profile_str,"SSR");break;
default:sprintf(profile_str,"unknown");break;
}
unsigned char sampling_frequency_index=aacframe[]&0x3C;
sampling_frequency_index=sampling_frequency_index>>;
switch(sampling_frequency_index){
case : sprintf(frequence_str,"96000Hz");break;
case : sprintf(frequence_str,"88200Hz");break;
case : sprintf(frequence_str,"64000Hz");break;
case : sprintf(frequence_str,"48000Hz");break;
case : sprintf(frequence_str,"44100Hz");break;
case : sprintf(frequence_str,"32000Hz");break;
case : sprintf(frequence_str,"24000Hz");break;
case : sprintf(frequence_str,"22050Hz");break;
case : sprintf(frequence_str,"16000Hz");break;
case : sprintf(frequence_str,"12000Hz");break;
case : sprintf(frequence_str,"11025Hz");break;
case : sprintf(frequence_str,"8000Hz");break;
default:sprintf(frequence_str,"unknown");break;
}
fprintf(myout,"%5d| %8s| %8s| %5d|\n",cnt,profile_str ,frequence_str,size);
data_size -= size;
input_data += size;
cnt++;
}
}
fclose(ifile);
free(aacbuffer);
free(aacframe);
return ;
}
然后说一下当初我看的时候迷惑的地方。
1、代码第9行，为什么要判断size是否小于7？
答：第二部分时有说，一个ADTS header最少占7字节，当小于7字节时，说明不是一个ADTS frame或数据不完整，没必要解析了。
2、第13行，((buffer[1] & 0xf0) == 0xf0)，为什么要进行位运算？
答：第二部分也有说，同步字占12bit，也就是它占了1.5个字节，第一个字节和第二个字节的前四位，0xF0用二进制表示是11110000，和buffer[1]进行&运算后如果还是11110000，说明第二个字节的前四位是1111，再加上前面的buffer[0]=0xFF，就可以判定buffer的前12bit是111111111111，也就取得了syncword。
3、取size的三行代码到底是什么鬼？？？？
size |= ((buffer[] & 0x03) <<); //high 2 bit
size |= buffer[]<<; //middle 8 bit
size |= ((buffer[] & 0xe0)>>); //low 3bit
其实雷神注释中已经说了，但是不了解数据结构的依然会懵逼。第二部分说了，ADTS header中有ADTS frame的大小，但是根据上面同步字咱们可以看出来，这些数据并不是以字节为单位连续排列的，而是按位排列的，这就有点纠结了不是？那size存储在哪一位中，从哪里开始？在哪里结束？头大！！别急，我画了一张图（图片比较大，如果看不情，可以在新窗口中查看，或点这里下载）
从这一张图中可以很清晰的看到，frame_length存储在第4个字节的后两位，第5个字节，第6个字节的前三位。好了，知道这些再看上面的三行代码，不难理解了吧，如果还理解不了，说明得补充一下编程知识啦。
4、74和83行什么意思？
答：这两行代码分别是求取profile和sampling_frequency_index值的，理解了上面的第2和第3个问题，这个问题也就不是问题啦。
四 结言
以上是我学习时的问题，由于我在视频方面是纯新手，所以我的问题应该大部分人都会有，上面四个问题理解了后，整体代码对你就没有秘密而言了。我不希望别人也像我一样花几个小时搞明白，太浪费时间了。
参考资料：AAC的ADTS头文件信息介绍