　　　　　　　　　　　　　　　MP4文件格式分析

　　MP4(MPEG-4 Part 14)是一种常见的多媒体容器格式，它是在“ISO/IEC 14496-14”标准文件中定义的，属于MPEG-4的一部分，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，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，被认为可以在其中嵌入任何形式的数据，各种编码的视频、音频等都不在话下，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”，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，包括：M4V,3GP,F4V等。

　　一个mp4文件有可能包含非常多的box(全部大约70多个)，在很大程度上增加了解析的复杂性。如果要全部解析必要性不是很大。大部分mp4文件没有那么多的box类型，下图就是一个简化了的，常见的mp4文件结构：

下图是节点box详细说明：

下面我们将对以上主要box的解析进行详细说明：

1. 一级box

　　一级box主要包含ftyp、moov、free、mdat等等。

1.1 ftyp box

结构：

/********************************************************************************************

**                            File Type Box (ftyp)

**

--------------------------------------------------------------------------------------------

**        字段名称            　　|    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize               |    4            |        box的长度

**        boxtype               |    4            |        box的类型

**        major_brand           |    4            |

**        minor_version         |    4            |        版本号

**        compatible_brands     |    4 * N        |        本文件遵从的多种协议（ismo, iso2, mp41）

********************************************************************************************/

运行结果：

1.2 moov box

结构：

/********************************************************************************************

**        字段名称            |    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize            |    4            |        box的长度

**        boxtype            |    4            |        box的类型

********************************************************************************************/

1.3 free box

结构：

/********************************************************************************************

**        字段名称            |    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize            |    4            |        box的长度

**        boxtype            |    4            |        box的类型

********************************************************************************************/

1.4 mdat box

结构：

/********************************************************************************************

**        字段名称             |    长度(bytes)    |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize             |    4             |        box的长度

**        boxtype             |    4             |        box的类型

**                                               |        后面全是真实数据

********************************************************************************************/

运行结果：

2. 二级box

　　本节所说的二级box皆为moov的子box,主要包含mvhd、trak、udat等等。

2.1 mvhd box

结构：

/************************************************************************************************************

**                                            mvhd

**

--------------------------------------------------------------------------------------------

**        字段名称            　　|    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize               |    4            |        box的长度

**        boxtype               |    4            |        box的类型

**        version               |    1            |        box版本，0或1，一般为0（以下字节数均按version = 0）

**        flags                 |    3            |

**        creation time         |    4            |        创建时间（相对于UTC时间1904 - 01 - 01零点的秒数）

**        modification time     |    4            |        修改时间

**        time scale            |    4            |        文件媒体在1秒时间内的刻度值，可以理解为1秒长度的时间单元数

**        duration              |    4            |        该track的时间长度，用duration和time scale值可以计算track时长

**        rate                  |    4            |        推荐播放速率，高16位和低16位分别为小数点整数部分和小数部分，即[16.16] 格式.该值为1.0 (0x00010000)

**        volume                |    2            |        与rate类似，[8.8] 格式，1.0（0x0100）表示最大音量

**        reserved              |    10           |        保留位

**        matrix                |    36           |        视频变换矩阵

**        pre-defined           |    24           |

**        next track id         |    4            |        下一个track使用的id号

************************************************************************************************************/

运行结果：

2.2 trak box

结构：

/********************************************************************************************

**        字段名称            |    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize            |    4            |        box的长度

**        boxtype            |    4            |        box的类型

********************************************************************************************/

2.3 udat box

结构：

/************************************************************************************************************
**           udat
**
--------------------------------------------------------------------------------------------
**  字段名称      | 长度(bytes)    |  有关描述
--------------------------------------------------------------------------------------------
**  boxsize    　| 4　　　　　　　　|  box的长度
**  boxtype      | 4　　　　　　　　|  box的类型
**                  　　　　　　　　|  用户自定义数据解析
************************************************************************************************************/

运行结果：

3. 三级box

　　本节所说的三级box皆为trak的子box,主要包含tkhd、mdia等。

3.1 tkhd box

结构：

/************************************************************************************************************

**                                        tkhd

**

-------------------------------------------------------------------------------------------------------------

**        字段名称            　　 |    长度(bytes)   |        有关描述

-------------------------------------------------------------------------------------------------------------

**        boxsize                |    4            |        box的长度

**        boxtype                |    4            |        box的类型

**        version                |    1            |        box版本，0或1，一般为0。（以下字节数均按version = 0）

**        flags                  |    3            |        按位或操作结果值，预定义如下;

                                                    　　　　 0x000001 track_enabled，否则该track不被播放；

                                                    　　　　 0x000002 track_in_movie，表示该track在播放中被引用；

                                                    　　　　 0x000004 track_in_preview，表示该track在预览时被引用。

                                                    　　　　 一般该值为7，如果一个媒体所有track均未设置track_in_movie和track_in_preview,将被理解为所有track均设置了这两项;

                                                    　　　　 对于hint track，该值为0;

**        creation_time          |    4            |        创建时间（相对于UTC时间1904 - 01 - 01零点的秒数）

**        modification_time      |    4            |        修改时间

**        track_id               |    4            |        id号 不能重复且不能为0

**        reserved               |    4            |        保留位

**        duration               |    4            |        track的时间长度

**        reserved               |    8            |        保留位

**        layer                  |    2            |        视频层，默认为0，值小的在上层

**        alternate_group        |    2            |        track分组信息，默认为0表示该track未与其他track有群组关系

**        volume                 |    2            |        [8.8] 格式，如果为音频track，1.0（0x0100）表示最大音量；否则为0

**        reserved               |    2            |        保留位

**        matrix                 |    36           |        视频变换矩阵

**        width                  |    4            |        宽

**        height                 |    4            |        高，均为[16.16] 格式值 与sample描述中的实际画面大小比值，用于播放时的展示宽高

************************************************************************************************************/

运行结果：

3.2 mdia box

结构：

/********************************************************************************************

**        字段名称            |    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize            |    4            |        box的长度

**        boxtype            |    4            |        box的类型

********************************************************************************************/

4. 四级box

　　本节所说的四级box皆为mdia的子box,主要包含mdhd、hdlr、minf等。

4.1 mdhd box

结构：

/************************************************************************************************************

**                                        tkhd

**

-------------------------------------------------------------------------------------------------------------

**        字段名称            　　|　　    长度(bytes)　　　|        有关描述

-------------------------------------------------------------------------------------------------------------

**        boxsize               |    4            　　  |        box的长度

**        boxtype               |    4            　　  |        box的类型

**        version               |    1　　　　　　　　　  |        box版本0或1 一般为0 (以下字节数均按version=0)

**        flags                 |    3            　　  |

**        creation_time         |    4            　　  |        创建时间（相对于UTC时间1904 - 01 - 01零点的秒数）

**        modification_time     |    4            　　  |        修改时间

**        time_scale            |    4            　　  |

**        duration              |    4            　　　|        track的时间长度

**        language              |    2            　　　|        媒体语言码,最高位为0 后面15位为3个字符[见ISO 639-2/T标准中定义]

**        pre-defined           |    2            　　  |        保留位

************************************************************************************************************/

结果：

4.2 hdlr box

结构：

/************************************************************************************************************

**                                        hdlr

**

-------------------------------------------------------------------------------------------------------------

**        字段名称            　　 |    长度(bytes)    |        有关描述

-------------------------------------------------------------------------------------------------------------

**        boxsize                |    4             |        box的长度

**        boxtype                |    4             |        box的类型

**        version                |    1             |        box版本0或1 一般为0 (以下字节数均按version=0)

**        flags                  |    3             |

**        pre-defined            |    4             |

**        handler type           |    4             |        在media box中，该值为4个字符

                                                    　　　　　　"vide"— video track

                                                    　　　　　　"soun"— audio track

                                                    　　　　　　"hint"— hint track

**        reserved               |    12            |

**        name                   |    不定           |        track type name，以‘\0’结尾的字符串

************************************************************************************************************/

结果：

4.3 minf box

结构：

/********************************************************************************************

**        字段名称            |    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize            |    4            |        box的长度

**        boxtype            |    4            |        box的类型

********************************************************************************************/

5. 五级box

　　本节所说的五级box皆为minf的子box,主要包含header box(vmhd/smhd/hmld/nmld)、stbl等。

5.1 header box

本处的headerbox会根据前面的handler type数值选择哪个box。

"vide"—vmhd 视频

"soun"— smhd 音频

"hint"—hmhd 忽略

vmhd结构：

/************************************************************************************************************

**                                        vmhd

**

-------------------------------------------------------------------------------------------------------------

**        字段名称            |    长度(bytes)    |        有关描述

-------------------------------------------------------------------------------------------------------------

**        boxsize                |    4            |        box的长度

**        boxtype                |    4            |        box的类型

**        version                |    1            |        box版本0或1 一般为0 (以下字节数均按version=0)

**        flags                |    3            |

**        graphics_mode        |    4            |        视频合成模式，为0时拷贝原始图像，否则与opcolor进行合成

**        opcolor                |    2 ×3        |        ｛red，green，blue｝

************************************************************************************************************/

结果：

5.2 stbl box

结构：

/********************************************************************************************

**        字段名称            |    长度(bytes)   |        有关描述

--------------------------------------------------------------------------------------------

**        boxsize            |    4            |        box的长度

**        boxtype            |    4            |        box的类型

********************************************************************************************/

6. 六级box

　　本节所说的六级box皆为stbl的子box,主要包含stsd、stts、stsz、stsc、stss、stco等，这些也是mp4文件设计的精髓所在，主要控制chunk、sample、mdat之间的映射关系。

6.1 stsd box

stsd： Sample Description Box，解析stsd可获得coding类型、视频宽高、音频samplesize、channelcount这些和解码器有关信息。

6.2 stts box

stts： Decoding Time to Sample Box，时间戳和Sample映射表

上图是一个video trak，说明该视频包含87帧数据，每帧包含512个采样。

总共512*87=44544个采样，和我们前面mdhd box的Duration完全一致。

Duration / TimeScale = 44544 / 12288 = 3.625秒正是我们的视频播放长度。

12288 / 512 = 24 p/s (帧率)。

6.3 stsz box

stsz, stz2： Sample Size Boxes，每个Sample大小的表

一共87帧每帧的字节大小。

6.4 stsc box

stsc： Sample to chunk 的映射表。

前面说了一共87帧数据，放在83个chunk中。1~82个chunk每个里面放1帧，第83个chunk放了5帧。

6.5 stss box

stss：关键帧索引表。

第1、13、25、37、49、61、73、85.... 这些帧都是关键帧。

每12帧就有一个关键帧，前面我们计算得知fps是24。由此可知该视频关键帧间隔为0.5秒。

6.6 stco box

'stco'，'co64'： Chunk位置偏移表

一共83个chunk，记录在mdat真实数据中的字节偏移量。

下图为第三方MP4文件解析结果：

MP4文件格式解析源码：https://github.com/kingsunc/AVFileParse

搞清楚stbl的映射关系后我们就可以进行MP4文件的分割实现（也就是所谓的点播拖动）。

MP4分割实现源码：https://github.com/kingsunc/AVFileParse/tree/master/Mp4_Segment