如今视频直播非常火热，就需要对视频格式的知识做些储备，FLV（即Flash Video）这一视频格式是最简单的，通过对它的文件格式的研究，可以对这些应用于网络传输的视频格式，也即流媒体有一些基本的了解。

FLV

流媒体简介

流式媒体是按照时间顺序依次下载播放的媒体形式，依托于Flash这一强大播放器插件，可以实现边下载边播放，比如在优酷等视频平台观看节目时，并不需要把视频完整下载下来就可以播放，而这些视频网站都有Flash插件的支持；与之对应的是BT下载的视频，很难做到_顺序下载_，另外还要看播放器是否支持解码部分视频，来达到边下载边播放的目的，你可以尝试播放一个没有下载完的视频，拖动进度条是可以找到能看的片段，但很少能从视频开头开始。

从上面可以看出，流媒体传输最重要的特性是要按时间顺序传输。打个比方，如果流媒体是一列火车，火车进站就必须严格按照“火车头-第一节车厢-第二节车厢…”的方式进站，乱了顺序可不行 :P

FLV格式解析

FLV是流媒体视频传输格式中最最简单的一个，下面我们从格式方面入手，看看它是如何保证按时间顺序传播视频文件的。

为了方便理解，先上一张示意图：

火车头，也即FLV视频的第一部分，是用来表明自己身份的标识，“大家好，我叫FLV”，仅仅使用9个字节，其中3个字节是名字“FLV”，一个字节标识版本号，目前都为0，一个字节用来标识FLV里面是否包含音频和视频，最后用4个字节标识这个“火车头”，即整个头文件的长度。

使用vim打开一个flv文件，使用%!xxd以16进制方式浏览，可以看到文件的开头如下图：

前9个字节0x46 | 0x4c | 0x56 | 0x01 | 0x05 | 0x00 | 0x00 | 0x00 | 0x09，前3个是FLV三个字符的ASCII码，之后的0x01表示版本号，0x05表示有音频也有视频，如果仅有音频，则是0x04，如果仅有视频，则是0x01，最后的4个字节0x00 0x00 0x00 0x09表示了这个header长度为9。

有了上面这些知识，我们可以仅仅读取文件的前9个字节，就可以判断这个视频是否是FLV，下面是一小段golang语言的代码：

package main

import (
    "fmt"
    "os"
    "encoding/binary"
    "bytes"
)

func main() {
    // 打开flv文件
    f, err := os.Open("test.flv")
    if err != nil {
        fmt.Println(err)
        os.Exit(1)
    }

    // 读取前9个字节
    header := make([]byte, 9, 9)
    n, err := f.Read(header)
    if err != nil {
        fmt.Println(err)
        os.Exit(1)
    }

    if n != 9 {
        fmt.Println("read header length not equal 9")
        os.Exit(1)
    }

    // 验证
    if string(header[:3]) != "FLV" {
        fmt.Println("header not start with FLV")
        os.Exit(1)
    }

    var version uint8
    if err := binary.Read(bytes.NewReader(header[3:4], binary.BigEndian, &version); err != nil {
        fmt.Println(err)
        os.Exit(1)
    }
    if version != 1 {
        fmt.Println("version not equal 1")
        os.Exit(1)
    }

    var flags uint8
    if err := binary.Read(bytes.NewReader(header[4:5], binary.BigEndian, &flags); err != nil {
        fmt.Println(err)
        os.Exit(1)
    }
    switch flags {
    case 1, 4, 5:
        break;
    default:
        fmt.Println("invalid audio and video flags")
        os.Exit(1)
    }

    var offset uint32
    if err := binary.Read(bytes.NewReader(header[5:]), binary.BigEndian, &offset); err != nil {
        fmt.Println(err)
        os.Exit(1)
    }
    if offset != 9 {
        fmt.Println("invalid offset")
        os.Exit(1)
    }

    fmt.Println("this file is a flv")
}

得到FLV的头部并成功判断是FLV文件之后，就可以接收后面的数据了。后面的数据结构如下：

-------------------------
|  Previous Tag Size    |
-------------------------
|          Tag          |
-------------------------
|  Previous Tag Size    |
-------------------------
|          Tag          |
-------------------------
|  Previous Tag Size    |
-------------------------
|          Tag          |
-------------------------
|  Previous Tag Size    |
-------------------------

其中，每一段具体的数据叫做一个Tag，就如同上面图画中的一节节车厢；而每个Tag前面都会有四个字节用于表示前面的Tag大小，即Previous Tag Size。这个值可以用于验证数据的完整性，即播放器在接收完一个Tag后，可以再接收4个字节，得到前面的Tag的大小，判断是否一致。要知道，网络传输数据很容易发生数据丢失的情况。

Tag有三种类型，除了音频、视频，还有一种Script Data类型，音视频数据好理解，就是一段一段封装好的片段，Script Data这个类型的Tag一般都是作为第一个Tag出现。

每个Tag也包含了表示Tag信息的Header和具体数据的Data，结构如下所示：

-------------------------
|       Tag Header      |
-------------------------
|       Tag  Data       |
-------------------------

其中Tag Header由11个字节组成： - 第1个字节：表示类型，0x08表示音频，0x09表示视频，0x12表示Script Data； - 第2-4字节：表示当前Tag Data的长度； - 第5-7字节：表示Tag的时间戳，以毫秒为单位； - 第8字节：时间戳的扩展字节，用于扩充上面的时间戳； - 第9-11字节：表示Stream ID，总为0。

由此可见，读取了11个字节后，我们就知道了接下来的Tag Data是什么类型，对应的长度是多少（这个决定了接下来读取的数据中有多少数据是Tag Data的），对应的时间戳是多少（这个决定了播放的顺序），读完接下来的Tag Data之后，再通过Previous Tag Data来验证下数据的长度。

Tag Data中就是具体的音视频数据了，因为涉及到具体的音视频格式，这里就不一一展开了。