FLV简介
FLV（Flash Video）是现在非常流行的流媒体格式，由于其视频文件体积轻巧、封装播放简单等特点，使其很适合在网络上进行应用，目前主流的视频网站很多都是使用了FLV格式。
另外RTMP和FLV格式有着友好的兼容性，在使用RTMP进行推流时，RTMP Packet中封装的音视频数据流，其实和FLV/tag封装音频和视频数据的方式是相同的。
FLV格式解析
首先我们来看一张图：
FLV封装格式是由一个文件头(flie header)和 文件体(file Body)组成。其中，FLV body由一对对的(Previous Tag Size字段 + tag)组成。
Previous Tag Size字段 排列在Tag之前，占用4个字节。Previous Tag Size记录了前面一个Tag的大小，用于逆向读取处理。
FLV header后的第一个Pervious Tag Size的值为0。
Tag一般可以分为3种类型：脚本(帧)数据类型、音频数据类型、视频数据。FLV数据以大端序进行存储。
我们通过一张图看下FLV的具体文件结构：
- FLV header
FLV头占9个字节，用来标识文件为FLV类型，以及后续存储的音视频流。
FLV头由一下几部分组成:
1、 Signature(3 Byte)+Version(1 Byte)+Flags(1 Bypte)+DataOffset(4 Byte) 总共9个字节。
signature 占3个字节 固定FLV三个字符作为标示。一般发现前三个字符为FLV时就认为他是flv文件。二进制查看器中就是0x46 0x4C 0x56,代表FLV。
Version 占1个字节 标示FLV的版本号。一般是1。
Flags 占1个字节 内容标示。第0位和第2位,分别表示 video 与 audio 存在的情况.(1表示存在,0表示不存在)。比如tag是0x05，也就是二进制的00000101，代表既有视频，也有音频。
DataOffset 4个字节 表示FLV的header长度。目前第一版是9。
- FLV Body
FLV的body部分是一系列的back-pointers+tag构成的。其中Back-pointer表示Previous Tag Size(前一个tag的字节数据长度)，占4个字节。
tag分三种类型:video(视频),audio(音频),scripts(脚本数据)。
- FLV Tag
每一个Tag也是由两部分组成:tag header 和 tag data。
Tag Header里存放的是当前tag的类型、数据区(tag data)的长度等信息。tag header一般占11个字节的内存空间。
具体内容如下：
1、 type 1个字节。8为Audio,9为Video,18为scripts。（8、9、18这些是使用type转换成十进制的结果）
2、 tag data size 3个字节。表示tag data的长度。从streamd id 后算起。
3、 Timestreamp 3个字节。时间戳。
4、 TimestampExtended 1个字节。时间戳扩展字段。
5、 stream id 3个字节。总是0。
- Script Tag Data结构(脚本类型、帧类型)
该类型Tag又被称为MetaData Tag,存放一些关于FLV视频和音频的元信息，
比如：duration、width、height等。通常该类型Tag会作为FLV文件的第一个tag，并且只有一个，通常都是跟在FLV Header后。
该类型的Tag Data一般分为两个AMF包：
AMF（Action Message Format）是Adobe设计的一种通用数据封装格式，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：
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。常见的数组元素如下表所示：
| 值 | 含义 |
|---|---|
| duration | 时长 |
| width | 视频宽度 |
| heiht | 视频高度 |
| video data rate | 视频码率 |
| frame rate | 视频帧率 |
| video codec id | 视频编码方式 |
| audio sample rate | 音频采样率 |
| audio sample size | 音频采样精度 |
| stereo | 是否为立体声 |
| audio codec id | 音频编码方式 |
| filesize | 文件大小 |
这就是脚本类型数据的组成部分。
- Audio Tag Data结构(音频类型)
音频Tag Data区域开始的第一个字节包含了音频数据的参数信息，从第二个字节开始为音频流数据。
其中第一个字节的1到4为代表的是音频格式：
| 转换成十进制后的值 | 代表的格式 |
|---|---|
| 0 | Linear PCM |
| 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 |
接着2位为采样率(对于AAC总是3)：
| 值 | 类型 |
|---|---|
| 0 | 5.5-kHz |
| 1 | 11-kHz |
| 2 | 22-kHz |
| 3 | 44-kHz |
接着1位为采样的长度(压缩过的音视频都是16bit)：
| 值 | 类型 |
|---|---|
| 0 | snd8Bit |
| 1 | snd16Bit |
最后1位为音频类型(对于AAC总是1)：
| 值 | 类型 |
|---|---|
| 0 | sndMono |
| 1 | sndStereo |
从第二个字节开始的就是音频数据了。
- video Tag Data结构(视频类型)
视频Tag Data和音频Tag Data一样，开始的第一个字节包含视频数据的参数信息，从第二个字节开始为视频流数据。
第一字节的前四位表示的是帧类型，值如下：
1: keyframe (for AVC, a seekable frame)——h264的IDR，关键帧，可重入帧。
2: inter frame (for AVC, a non- seekable frame)——h264的普通帧。
3: disposable inter frame (H.263 only)
4: generated keyframe (reserved for server use only)
5: video info/command frame
第一个字节的后四位表示的是编码id，值如下
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
第二个字节开始为视频数据。
结束
对于FLV的格式介绍就到此结束了，为了加深对FLV格式的理解，建议使用十六进制查看器打开一个flv文件，对照文章进行转换学习。
如果你对音视频开发感兴趣可以关注公号：思想觉悟
