FLV格式详解

本文是什么

FLV (Flash Video) 是由Adobe公司开发的一种非常流行的视频格式，其简单的内容组成非常适合用于流媒体传输。虽然现如今这种格式已经开始被弃用，但因为各种原因，一部分企业仍然继续使用这种格式来进行流媒体传输。学习FLV格式也有利于学习同样是由Adobe公司开发的实时传输协议RTMP (Real-Time Messaging Protocol)。因此本文将会介绍FLV文件是如何组织音视频信息的。

正文

FLV文件由FLV文件头以及多个Tag组成，其中的各种信息是以大端的方式进行存储。简单来说FLV文件=FLV文件头+FLV文件体（Tag0+Tag1+...+TagN）。

FLV文件头

FLV的文件头固定为9个字节大小。
第0-2个字节是文件签名，值为FLV。
第3个字节为文件的版本，目前只有1。
第4个字节就被分为了4个部分，其中第0-4位作为保留值，值为0；第5位表示是否有音频Tag，0为没有，1为有。第6位也被用作保留值；第7位表示是否具有视频Tag，同样是0为没有，1为有。
第5-8个字节表示数据偏移，其实就是FLV文件头的大小，值固定为9。

FLV文件体

FLV文件体有许多个Tag拼接而成。从这种结构来看，FLV文件确实非常适合用于流媒体中，每个Tag之间都相对独立，易于切分。每个Tag由4字节大小的前一个Tag大小和当前Tag主体组成，也就是Tag=前一个Tag大小+当前Tag主体。
每个Tag由多个固定的字段组成。
第0个字节表示这个Tag的类型，8为音频，9为视频，18为文本数据，其他值进行了保留。
第1-3个字节表示数据部分的大小。
第4-6个字节表示时间戳。
第7个字节为扩展时间戳，与时间戳共同使用就可以表示32位的时间，其中扩展时间戳表示高位，时间戳表示低位。
第8-10个字节为流ID，这个值一直为0。
后面的字节都是数据，是什么类型的数据由前面的Tag类型指示，长度由前面的数据大小指示。数据部分也有固定的字段对这个数据进行更近一步的说明。

音频数据

第0-3位表示了音频的格式，值见下表。

值	类型
0	线性PCM，大小端与平台相关
1	ADPCM
2	MP3
3	线性PCM，小端
4	Nellymoser 16KHz 单声道
5	Nellymoser 8KHz 单声道
6	NellyMoser
7	G.711 A-law 对数PCM
8	G.711 mu-law 对数PCM
9	保留
10	AAC
11	Speex
14	MP3 8KHz
15	设备相关类型

第4-5位表示声音的采样率，值见下表

值	采样率
0	5.5KHz
1	11KHz
2	22KHz
3	44KHz

第6位表示每次采样的大小，或者叫做位深。0为8bit，1为16bit。
第7位为声音通道数。0为单通道，1为双通道。
如果声音的格式为AAC，则还会多占用1个字节来表示这个音频数据是AAC序列头还是AAC原始数据。剩余的部分就都是音频的数据了。

视频数据

第0-3位表示帧的类型，值见下表。

值	帧类型
1	关键帧，I帧 H264
2	P帧或B帧 H264
3	H263
4	生成关键帧，服务器使用
5	视频信息，命令帧

第4-7位为编码器ID，值见下表。

值	帧类型
1	JPEG，未使用
2	Sorenson H263
3	Screen Video
4	On2 VP6
5	带Alpha通道的On2 VP6
6	Screen Video 2
5	H264

同样，如果编码器类型为H264，则同样会占用4个字节。
第0个字节表示H264包的类型。0为H264序列头，1为NALU，2为H264序列结尾。
第1-3个字节表示为一个时间差值，是一个有符号数，如果视频中有B帧，这个值表示B帧PTS和DTS之间的差值。剩余的部分就是视频数据了。

文本数据

第0个字节表示数据的类型，为AMF格式。剩余的数据则根据AMF格式进行解析。

结尾

以上就是FLV文件的组成，可以看出其格式相对还是比较简单的，这也是为什么FLV比较适合作为流媒体格式的原因。FLV文件=FLV文件头+FLV文件体。FLV文件头对文件进行了十分简单的描述。FLV文件体又由多个Tag组成，Tag中又有固定字段对Tag的属性进行描述，而在Tag的数据中又根据Tag类型有更加详细的数据描述。了解FLV文件的组成不仅方便我们操作FLV文件，也利于对RTMP协议的了解。