FLV 文件 = File Header（FLV 文件头）+ File Body（FLV 文件体）。其中文件体又由一系列的 Tag 和 Tag Size 组成。

19978008-0014afa7b9cfa4a1.webp.jpg

使用16进制查看器打开一个FLV文件，查看数据的格式

image-20200620144713398.png

FLV File Header

image-20200620145234822.png

字段	字节	描述
signature	3	文件格式标识。（'F‘ : 0x46，'L' : 0x4C，'V' : 0x56）
version	1	版本号。（0x01：版本号为1）
type flags	1	类型标识。前5个bit是类型标志预留字段，必须是0；第6个bit音频类型标志（TypeFlagsAudio）；第7个bit是类型标志预留字段，必须是0；第8个bit视频类型标志（TypeFlagsVideo）。（0x05，也就是 00000101，表示既有音频也有视频）
data offset	4	文件头的长度。（对于版本号为1的FLV文件来说，文件头长度固定是9，大于9表示下面还有扩展信息）

FLV File Body

Body部分是由一系列的 PreviousTagSize + Tag 构成。

PreviousTagSize 固定为4字节，表示前一个Tag的size

Tag分为3种类型：Script(脚本)、Video(视频)、Audio(音频)

image-20200620150117227.png

FLV Tag

FLV中的Tag又分为 tag header（tag头部分）和 tag data（tag数据部分）。

FLV Tag Header（Tag头1+3+3+1+3=11个字节）

字段	字节	描述
TagType	1	当前tag的类型，值有： 0x08：audio 0x09：video 0x12：script 其他：未使用的预留值
DataSize	3	数据部分的数据长度（Data字段的数据长度）。
Timestamp	3	当前帧的时间戳，单位是毫秒。相对于第一个TAG的时间戳（第一个的时间戳总是0）
TimestampExtended	1	时间戳扩展字段。如果时间戳大于0xFFFFFF，将会使用这个字节。这个字节是时间戳的高8位，上面的三个字节是低24位。
StreamID	3	流ID，总是0
Data	n	数据部分

image-20200620151816034.png

00 01 6A代表数据长度有362个字节，所以蓝色区域都是data数据区域。

FLV Script Tag

Script Tag一般只有一个，且是FLV中第一个Tag，用来存放一些描述信息，如：duration、width、height等。Script Tag 中Data部分的数据都是以 【数据类型 + 数据长度 + 数据】的格式出现的。一般来说，该Tag Data结构包含两个AMF包。AMF（Action Message Format）是Adobe设计的一种通用数据封装格式，在Adobe的很多产品中应用，简单来说，AMF将不同类型的数据用统一的格式来描述。第一个AMF包封装字符串类型数据，用来装入一个“onMetaData”标志，这个标志与Adobe的一些API调用有关。第二个AMF包封装一个数组类型，这个数组中包含了音视频信息项的名称和值。

类型值意义

值	类型	说明
0	Number type	double类型，后8字节为数据长度
1	Boolean type	bool类型，后1字节为数据长度
2	String type	string类型，后两字节为数据长度
3	Object type
4	MovieClip type
5	Null type
6	Undefined type
7	Reference type
8	ECMA array type	数组类型(类似Map)，后4字节为数组长度。（key:前两字节为长度；value部分第1字节为类型）
10	Strict array type
11	Date type
12	Long string type

第一个AMF(1+2+10=13个字节)

image-20200620153530511.png

02：String类型

0A：String长度为10

后面10字节为数据的值

第二个AMF包(头5个字节)

image-20200620160959809.png

08：数组
00 00 00 10 ：数组长度为16

数组中元素封装形式为：前两个字节为元素名称的长度，后面跟着长度为L的字符串。紧跟着的一个字节表示元素值的类型，后面跟着是对应值，占用的字节数取决于值的类型。

元素“duration”(19字节)

image-20200620161756106.png

00 08 代表后面8个字节长度为元素名称 
名称：duration
00 代表double类型，后8字节为数据长度

元素“width”(16个字节)

image-20200620162134609.png

00 05 长度
元素名称：width
00:代表double类型，后8字节为数据长度

元素"height"(17个字节)

image-20200620162544994.png

00 06 
68 65 69 67 68 74 height
00 代表double类型，后8字节为数据长度

元素“videodatarate”(24个字节)

image-20200620163146947.png

00 0D ：长度
76 69 64 65 6F 64 61 74 61 72 61 74 65 字符串“videodatarate”
00 :代表double类型，后8字节为数据长度

元素“framerate”(20个字节)

image-20200620163652002.png

00 09 长度
66 72 61 6D 65 72 61 74 65：字符串“framerate”
00 代表double类型，后8字节为数据长度

元素“videocodecid”(23个字符)

image-20200620164044030.png

00 0c :长度
76 69 64 65 6F 63 6F 64 65 63 69 64 字符串videocodecid
00 代表double类型，后8字节为数据长度

以下就不再截图了，对比数据自己慢慢往下找

元素“audiodatarate”(24个字节)

00 0D：长度

元素“audiosamplerate”(26个字节)

00 0F:长度

元素“audiosamplesize”(26个字节)

00 0F

元素“stereo”(10个字节)

image-20200620165448830.png

00 06 长度
73 74 65 72 65 6F 字符串“stereo”
01:bool类型，后1字节为数据长度

元素“audiocodecid”(23个字节)

00 0C：长度

元素“major_brand”(20个字节)

image-20200620171222221.png

00 0B :长度
02：看上面的类型文档，string，，后两个字节代表长度
00 04 ：长度为4

元素“minor_version”(19个字节)

image-20200620171639885.png

00 0D:长度为13
02：string 后两位表示长度
00 01 长度为1

元素“compatible_brands”(30个字节)

image-20200620172257155.png

00 11 :长度为17
02 ：string 后两位代表长度
00 08 长度为8

元素“encoder”(字节数25)

image-20200620172617573.png

00 07 :长度为7
02 ：string
00 0D:长度为13

元素“filesize”(22个字节)

image-20200620174628862.png

00 08 长度为8
00：后8位表示长度
00 00 ：空字符串
09 ：结束标志

16个元素长度相加19+16+17+24+20+23+...+22 = 344

第一个AMF包（13）+第二个AMF包头（5）+16个元素数组数据长度（344）=362个字节。

至此，，362个data数据全部分析完毕。

那么下一个PreviousTagSize就是362+tag头（11）=373个字节

PreviousTagSize是固定长度4

image-20200620181245785.png

00 00 01 75 = 373

上面分析的是Script Tag,一般都是flv文件的开头才有一个，中间是一个TagSize,再接下来就是第一个VideoTag，TagHaeder(11个字节)

image-20200620181921356.png

Tag头分析，按照上面的文档一个个对照
09：video
00 00 2E ：data 长度
00 00 00 00 时间戳
00 00 00 流id

接下来分析VideoTagBody

image-20200620183004009.png

1700000000这五个字节为VideoTag数据部分的固定头五个字节

字段	比特位	描述
FrameType	高四位	帧类型。 1: keyframe(for AVC, a seekable frame) 2: inter frame(for AVC, a non-seekable frame) 3: disposable inter frame(H.263 only) 4: generated keyframe(reserved for server use only) 5: video info/command frame
CodecId	低四位	编码类型。 1: JPEG(目前未用到) 2: Sorenson H.263 3: Screen video 4: On2 VP6 5: On2 VP6 with alpha channel 6: Screen video version 2 7: AVC(高级视频编码)

比如上面的17就代表着是keyframe关键帧，并且是AVC(高级视频编码)

字段	字节数	描述
AVCPacketType	1	0：AVC sequence header 1：AVC NALU 2：AVC end of sequence
CompositionTime	3	合成时间。 AVCPacketType==1，表示合成时间(单位毫秒)；否则为0

比如上面的00 00 00 00 就表示AVC sequence header和合成时间为0

Data数据

字段	字节	描述
data	n	如果AVCPacketType==0，数据部分为AVCDecoderConfigurationRecord；如果AVCPacketType==1，数据部分为1个或多个NALU；如果AVCPacketType==2，数据部分为空

AVCDecoderConfigurationRecord

AVCDecoderConfigurationRecord 包含了H.264解码相关比较重要的SPS和PPS信息，再给AVC解码器送数据流之前一定要把SPS和PPS信息送出，否则的话解码器不能正常解码。而且在解码器stop之后再次start之前，如seek、快进快退状态切换等，都需要重新送一遍SPS和PPS的信息。AVCDecoderConfigurationRecord在FLV文件中一般情况也是出现1次，也就是第一个video tag。

字段	字节	描述
版本	1	0x01，版本号为1
编码规格	3	sps[1]+sps[2]+sps[3]
NALU 的长度	1	0xFF，包长为（0xFF& 3） + 1，也就是4字节表示
SPS个数	1	0xE1，个数为0xE1 & 0x1F 也就是1
SPS长度	2	整个sps长度
SPS的内容	n	整个sps
PPS个数	1	0x01，1个
PPS长度	2	整个pps长度
PPS内容	n	整个pps内容

image-20200620185347197.png

00 19 ：sps长度为25
00 05 ：pps长度为5

上面的头数据（11）+（固定长度17 00 00 00 00）5+（1+3+1+1+2）+25（sps长度）+（1+2）+5（pps长度）= 57

所以下一个PreviousTagSize为0x39

image-20200620190610879.png

第一个VideoTag过了之后，接下来是第一个AudioTag(Tag头11个字节)

image-20200620190851965.png

AudioTagBody与VideoTag类似

字段	比特位	描述
SoundFormat	4	音频数据格式。值： 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 11 = Speex 14 = MP3 8-kHz 15 = Device-specific sound (7，8，14，15是内部预留)
SoundRate	2	音频采样率。值： 0 = 5.5-kHz 1 = 11-kHz 2 = 22-kHz 3 = 44-kHz (对于AAC来说，该字段总是3)
SoundSize	1	采样长度。值： 0 = snd9Bit 1 = snd16Bit (对于压缩过的音频来说，一般都是16bit)
SoundType	1	音频类型(单声道还是双声道)。值： 0 = sndMono 1 = sndStereo (对于AAC，总是1)
SoundData	n	音频数据部分（AAC则需要参考下面AACAUDIODATA部分）

AACAUDIODATA

字段	字节	描述
AACPacketType	1	0：AAC 序列头<br />1：AAC 数据
Data	n	如果AACPacketType==0，参考下面的 AudioSpecificConfig 如果AACPacketType==1，即AAC原始音频数据

AudioSpecificConfig（5个字节）

字段	占位
audioObjectType	5
samplingFrequencyIndex	4
channelConfiguration	4
frameLengthFlag	1
dependsOnCoreCoder	1
extensionFlag	1
Sync Extension Type()	11
Extension Audio Object Type	5
SBR Present Flag	1

audioObjectType:2-AAC-LC,5-SBR,29-PS

samplingFrequencyIndex:0-96000,1-88200,3-64000,4-44100,5-32000,6-24000,7-22050,8-16000

channelConfiguration:1-单声道，2-双声道，依次类推....

Frame Length Flag:0-1024 samples

dependsOnCoreCoder:0-不依赖 1-依赖

extensionFlag：0-Is not extention 1-Is extention

Sync Extension Type():0x2b7表示HE-AAC的扩展

Extension Audio Object Type：

SBR Present Flag:

image-20200621134531212.png

AF：10101111  1010代表AAC  11代表44khz 1代表16Bit 1代表Stereo
00:序列头
12-10-56-E5-00:00010010-00010000-01010110-11100101-00000000
00010:表示2-AAC-LC
0100：表示4—44100
0010：表示2-双声道
0：表示0-1024samples
0:表示不依赖
0：表示is not extention
01010110111:表示0x2b7-HE-AAC的扩展
00101：表示5
0：SBR Present Flag为0
后面不足的地方全部补0

所以当前Audio Tag的body Sized为2+5=7；整个Tag的size为body+header = 7+11=18

Previous Tag Size(4个字节)

image-20200621143858604.png

接下来就是一个个普通的VideoTag和Audio Tag按照时间戳交替存放。记住每个Tag之后都有4个字节的Previous Tag Size.下面只列出一个Video Tag和一个Audio Tag的格式，其他的类似

image-20200621145623930.png

BodySize = 5+4+NALU_LENGTH；

VideoTag数据部分固定的头5个字节，4个字节表示NALU长度，最后就是NALU数据部分

image-20200621150831231.png

image-20200621151256258.png

BodySize = AAC_Data_Length+2

image-20200621151801812.png

到此为止已经介绍完FLV文件格式,flv格式还是比较简单的，header部分很简洁，body部分都是由一个个tag组成，tag的话也就三种，脚本tag一般只有一个。

FLV文件（H264,AAC）格式分析