MP4文件格式解析，及MP4文件的分割算法

MP4文件格式的解析&＃xff0c;以及MP4文件的分割算法

　　mp4应该算是一种比较复杂的媒体格式了&＃xff0c;起源于QuickTime。以前研究的时候就花了一番的功夫&＃xff0c;尤其是如何把它完美的融入到视频点播应用中&＃xff0c;更是费尽了心思&＃xff0c;主要问题是处理mp4文件庞大的“媒体头”。当然&＃xff0c;流媒体点播也可以采用flv格式来做&＃xff0c;flv也可以封装H.264视频数据的&＃xff0c;不过Adobe却不推荐这么做&＃xff0c;人家说毕竟mp4才是H.264最佳的存储格式嘛。

　　这几天整理并重构了一下mp4文件的解析程序&＃xff0c;融合了分解与合并的程序&＃xff0c;以前是c语言写的&＃xff0c;应用在linux上运行的服务器程序上&＃xff0c;现在改成c&＃43;&＃43;&＃xff0c;方便我在其他项目中使用它&＃xff0c;至于用不用移植一份c#的&＃xff0c;暂时用不到&＃xff0c;等有必要了再说吧。这篇文章先简单介绍一下mp4文件的大体结构&＃xff0c;以及它的分割算法&＃xff0c;之后再写文章介绍如何把mp4完美应用在点播项目中。

一、MP4格式分析                  

　　MP4(MPEG-4 Part 14)是一种常见的多媒体容器格式&＃xff0c;它是在“ISO/IEC 14496-14”标准文件中定义的&＃xff0c;属于MPEG-4的一部分&＃xff0c;是“ISO/IEC 14496-12(MPEG-4 Part 12 ISO base media file format)”标准中所定义的媒体格式的一种实现&＃xff0c;后者定义了一种通用的媒体文件结构标准。MP4是一种描述较为全面的容器格式&＃xff0c;被认为可以在其中嵌入任何形式的数据&＃xff0c;各种编码的视频、音频等都不在话下&＃xff0c;不过我们常见的大部分的MP4文件存放的AVC(H.264)或MPEG-4(Part 2)编码的视频和AAC编码的音频。MP4格式的官方文件后缀名是“.mp4”&＃xff0c;还有其他的以mp4为基础进行的扩展或者是缩水版本的格式&＃xff0c;包括&＃xff1a;M4V,  3GP,F4V等。

　　mp4是由一个个“box”组成的&＃xff0c;大box中存放小box&＃xff0c;一级嵌套一级来存放媒体信息。box的基本结构是&＃xff1a;

　　其中&＃xff0c;size指明了整个box所占用的大小&＃xff0c;包括header部分。如果box很大(例如存放具体视频数据的mdat box)&＃xff0c;超过了uint32的最大数值&＃xff0c;size就被设置为1&＃xff0c;并用接下来的8位uint64来存放大小。

　　一个mp4文件有可能包含非常多的box&＃xff0c;在很大程度上增加了解析的复杂性&＃xff0c;这个网页上http://mp4ra.org/atoms.html记录了一些当前注册过的box类型。看到这么多box&＃xff0c;如果要全部支持&＃xff0c;一个个解析&＃xff0c;怕是头都要爆了。还好&＃xff0c;大部分mp4文件没有那么多的box类型&＃xff0c;下图就是一个简化了的&＃xff0c;常见的mp4文件结构&＃xff1a;

　　一般来说&＃xff0c;解析媒体文件&＃xff0c;最关心的部分是视频文件的宽高、时长、码率、编码格式、帧列表、关键帧列表&＃xff0c;以及所对应的时戳和在文件中的位置&＃xff0c;这些信息&＃xff0c;在mp4中&＃xff0c;是以特定的算法分开存放在stbl box下属的几个box中的&＃xff0c;需要解析stbl下面所有的box&＃xff0c;来还原媒体信息。下表是对于以上几个重要的box存放信息的说明&＃xff1a;

　　看吧&＃xff0c;要获取到mp4文件的帧列表&＃xff0c;还挺不容易的&＃xff0c;需要一层层解析&＃xff0c;然后综合stts stsc stsz stss stco等这几个box的信息&＃xff0c;才能还原出帧列表&＃xff0c;每一帧的时戳和偏移量。而且&＃xff0c;你要照顾可能出现或者可能不出现的那些box。。。可以看的出来&＃xff0c;mp4把帧sample进行了分组&＃xff0c;也就是chunk&＃xff0c;需要间接的通过chunk来描述帧&＃xff0c;这样做的理由是可以压缩存储空间&＃xff0c;缩小媒体信息所占用的文件大小。这里面&＃xff0c;stsc box的解析相对来说比较复杂&＃xff0c;它用了一种巧妙的方式来说明sample和chunk的映射关系&＃xff0c;特别介绍一下。

　　这是stsc box的结构&＃xff0c;前几项的意义就不解释了&＃xff0c;可以看到stsc box里每个entry结构体都存有三项数据&＃xff0c;它们的意思是&＃xff1a;“从first_chunk这个chunk序号开始&＃xff0c;每个chunk都有samples_per_chunk个数的sample&＃xff0c;而且每个sample都可以通过sample_description_index这个索引&＃xff0c;在stsd box中找到描述信息”。也就是说&＃xff0c;每个entry结构体描述的是一组chunk&＃xff0c;它们有相同的特点&＃xff0c;那就是每个chunk包含samples_per_chunk个sample&＃xff0c;好&＃xff0c;那你要问&＃xff0c;这组相同特点的chunk有多少个&＃xff1f;请通过下一个entry结构体来推算&＃xff0c;用下一个entry的first_chunk减去本次的first_chunk&＃xff0c;就得到了这组chunk的个数。最后一个entry结构体则表明从该first_chunk到最后一个chunk&＃xff0c;每个chunk都有sampls_per_chunk个sample。很拗口吧&＃xff0c;不过&＃xff0c;就是这个意思:)。由于这种算法无法得知文件所有chunk的个数&＃xff0c;所以你必须借助于stco或co64。直接上代码可能会清楚些&＃xff1a;

　　1. 首先直接分析entry

　　2. 然后&＃xff0c;通过stco或co64获知chunk总个数之后&＃xff0c;开始还原映射表

　　读出stsc之后&＃xff0c;就可以综合stbl下的所有box&＃xff0c;推算出视频和音频帧列表&＃xff0c;时戳和偏移量等数据。下面截图展示获取到的关键帧列表&＃xff1a;

　　有了关键帧列表之后&＃xff0c;就可以继续我们一下个题目&＃xff0c;就是mp4文件的分割。实现mp4的分割&＃xff0c;是把mp4应用到点播系统中最关键的技术环节&＃xff0c;做不到这个&＃xff0c;就无法实现点播播放mp4影片的“拖动”。

二、MP4文件的分割算法

　　所谓“分割”&＃xff0c;就是把大文件切成小文件&＃xff0c;要实现mp4的分割&＃xff0c;

• 　　首先&＃xff0c;需要获取到关键帧列表
• 　　然后&＃xff0c;选择要分割的时间段&＃xff08;比如从关键帧开始&＃xff09;
• 　　接着&＃xff0c;重新生成moov box&＃xff08;注意所有相关的box 以及 box size都需要改变&＃xff09;
• 　　最后&＃xff0c;拷贝对应的数据&＃xff0c;生成新文件

　　第一点&＃xff0c;上面已经介绍了&＃xff0c;第二点&＃xff0c;只需要遍历关键帧列表&＃xff0c;就能找到离你想要分割的时间段最接近的关键帧&＃xff0c;第四点就是“copy-paste”的工作&＃xff0c;关键在于第三点。因为这一步涉及到stbl下的所有box&＃xff0c;必须重新生成entrys&＃xff0c;同样的&＃xff0c;其他的box都还好&＃xff0c;只需要保留关键帧所对应的sample和chunk&＃xff0c;其余的删掉即可&＃xff0c;只是stsc box的比较麻烦&＃xff0c;说起来比较啰嗦&＃xff0c;还是直接看代码吧&＃xff1a;

　　修改完box之后&＃xff0c;需要重新生成moov box&＃xff0c;由于moov box的大小以及时长等信息都发生了改变&＃xff0c;所以需要box的大小做相应的修改&＃xff0c;这点千万不能忘记&＃xff0c;否则播放器会解析错误。重新生成box之后&＃xff0c;还要计算一下分割后的数据的长度&＃xff0c;由于数据长度也发生了改变&＃xff0c;所以修改mdat box的大小的同时&＃xff0c;要同时修改stbl下所有box的chunk offset&＃xff0c;切记&＃xff01;

　　以下是整个的逻辑过程&＃xff1a;

　　好了&＃xff0c;所有这些都实现之后&＃xff0c;就具备了做mp4点播系统的条件了。不过&＃xff0c;要做mp4点播&＃xff0c;还有一些其他的问题需要解决&＃xff0c;我将在下一篇文章中介绍。