多媒體封裝格式學習：H264封裝成FLV（一）
搞了好幾天的FLV封裝，話說封裝真是個苦力活，有時候思路不是很清晰的時候，真心有點亂。
網上關於H264封裝成FLV的文件，都分析的很詳細了，但是有幾個點沒有考慮到，一會在下面我會一一跟大家說明。圖什麼的我就不畫了，網上一搜應該有很多，那先看下面一個結構體吧。
typedef struct FLVHeader { unsigned char First;// "F" unsigned char Second;//"L" unsigned char Last;//"V" unsigned char Version; //0x01 unsigned char Flags;//"前五位保留且為0，第六位表示是否存在音訊Tag，第七位保留為0，第八位表示是否有視訊Tag" unsigned char HeaderLenth[4];//header 長度，一共9bytes }FLVHeader;
瞭解過FLV的朋友都應該知道FLV是由FLVHeader和FLVBody兩大部分構成的，而FLVBody又可以劃分成N個更小的單元：Tag。我們先從簡單的看起，上述程式碼是一個FLVHeader的結構體，其前三個位元組分別是F,L,V 第四個位元組是Version也就是FLV的版本號，當前為1。第五個位元組是一個標誌位Flags，代表當前FLV是否包含音訊或者視訊Tag，此Flags的第六位代表是否含有音訊Tag，第八位表示是否含有視訊Tag，其他位為0；舉個例子，當Flag = 0X01的時候，代表只包含視訊Tag，等於0X04的時候代表只含有音訊Tag，當Flag等於0X05時，就代表此FLV既包含音訊Tag，也包含視訊Tag。最後有一個四位元組的HeaderLenth，代表著當前Header的長度。大家有沒有注意到，我用char[4]來表示這個四位元組的變數，而沒有用unsigned int型別嗎？是有一定道理的，大家可以自己去嘗試一下。
下面具體介紹一下FLVBody部分。FLVBody由多個previousdata size + Tag構成，其中Tag的型別多種多樣，由於我對音訊部分不是很熟悉，我這裡就不討論音訊Tag了。而previous data size 用四個位元組代表上一個Tag所佔位元組數，但是FLVBody和第一個Tag之間的previous data size為0.
那麼一個Tag是由哪幾個部分組成的呢？如果簡單分開來：Tag = TagHeader + TagData，如下結構體說明了TagHeader的結構：
typedef struct TagHeader { unsigned char TagType;//tag型別，音訊為(0X08),視訊(0X09),script data(0x12),其他值保留 unsigned char DataSize[3];//3位元組表示Tagdata的大小 unsigned char Ts[3] ; //3位元組，為Tag的時間戳， unsigned char TsEx ;//時間戳的拓展位，當24位不夠用時，此八位作為時間戳最高位，將時間戳變為32位 unsigned char StreamID[3];//一直為0； }TagHeader;
Tagheader的第一個位元組為TagType，此位元組意在說明此Tag的型別，如果是音訊，TagType=0X08，視訊的話，TagType = 0X09;如果是Script data的話，TagType = 0X12;其他值保留。第2-4位元組為DataSize，表示TagHeader後面接著的TagData的資料大小。Ts和TsEx結構地內註釋已經很清楚了，就不重複了。StreamID恆定為0.
對於一個Tag來說，TagHeader的結構都是一樣的，而TagData的結構就很複雜了，首先，針對不同的TagType，對應的TagData肯定不一樣，分為AudioTagData，VideoTagData，ScriptTagData。AudioTagData在本文中不做分析，因為這並不會影響H264碼流的封裝。
當我們向一個FLV檔案中寫入FLVHeader後，緊接著的肯定是4個位元組的previousdata size，且為0。那下一步，我們應該來寫我們的Tag了，但是第一個是什麼Tag呢，是AudioTag，VideoTag,還是ScriptTag呢。我們第一個應該寫入的Tag是ScriptTag，那我們看一下它的結構是如何的：
ypedef struct ScriptTagData
{
unsigned char MetaDataType;//0x02
unsigned char StringLenth[2];//一般位10，即0x000A；
unsigned char MetaString[10];//值為onMetaDat
unsigned char InfoDataType;//0x08表示陣列，也就是第二個AMF包
unsigned char EnumNum[4];//4bytes有多少個元素//18bytes
//1
unsigned char DurationLenth[2];//2bytes,duration的長度
unsigned char DurationName[8];
unsigned char DurationType;
unsigned char DurationData[8];
//2
unsigned char WidthLenth[2];//
unsigned char WidthName[5];
unsigned char WidthType;
unsigned char WidthData[8];
//3
unsigned char HeightLenth[2];
unsigned char HeightName[6];
unsigned char HeightType;
unsigned char HeightData[8];
//4
unsigned char FrameRateLenth[2];
unsigned char FrameRateName[9];
unsigned char FrameRateType;
unsigned char FrameRateData[8];
//5
unsigned char FileSizeLenth[2];
unsigned char FileSizeName[8];
unsigned char FileSizeType;
unsigned char FileSizeData[8];
unsigned char End[3];//0x000009
}ScriptTagData;
上面的結構是ScriptTag的TagData，ScriptTag的TagHeader按之前的結構來寫。ScriptTagData中的MetaDataType，StringLenth，MetaString，InfoDataType都是恆定不變的固定值，註釋裡都有他們的值，在這裡就不多做解釋了。接下來就是EnumNum[4]了，它包含4個位元組，它代表ScriptTagData中含有多少個欄位，上述結構體中我只定義了五個欄位：Duration，width，height，framrate和filesize，所以EnumNum[4] = 0x00 00 00 05，當然也可以定義更多的欄位，具體得去檢視FLV的封裝文件。接下來就是定義的欄位了，以durantion為例子，DurationLenth[2]代表duration這個字串的長度8，不包含’\0’所以DurationLenth[2]=0x00 08; DurationName[8]代表這個字串”duration”也不包含’\0’。 DurationType代表著duration這個欄位所對應的值DurationData的型別，這裡DurationType為0，代表DurationData是Double型的，所以在結構體中我將其定義為了unsigned char DurationData[8]，為8個位元組的unsignedchar 型，與Double所佔位元組數一樣。其他的幾個欄位也是一樣的，就不累述了。最後當欄位定義結束後，需要結束符End[3],為0X00 00 09。
既然SciptTag結束了，那麼就輪到VideoTag了，這裡確實有點噁心。搞過視訊的朋友應該都知道不管是H264還是H265都是以Nalu來封裝的吧，每條Nalu都是以0X 00 00 01或者0X 00 00 00 01開頭的，在這個頭之後的1Byte內，包含了此Nalu的Type，在這個位元組的低五位中，具體關於Nalu的請去檢視H264或者H265的說明。先寫到這裡了，明兒接著。
對了，有幾個不錯的連結，這裡給大家發一下：
http://blog.csdn.net/leixiaohua1020/article/details/17934487
http://niulei20012001.blog.163.com/blog/static/751472112012111901130404/