mp4格式解析、分割

MP4文件格式的解析，以及MP4文件的分割算法

　　mp4應該算是一種比較複雜的媒體格式了，起源於QuickTime。之前研究的時候就花了一番的功夫，尤爲是如何把它完美的融入到視頻點播應用中，更是費盡了心思，主要問題是處理mp4文件龐大的「媒體頭」。固然，流媒體點播也能夠採用flv格式來作，flv也能夠封裝H.264視頻數據的，不過Adobe卻不推薦這麼作，人家說畢竟mp4纔是H.264最佳的存儲格式嘛。

　　這幾天整理並重構了一下mp4文件的解析 程序，融合了分解與合併的程序，之前是c語言寫的，應用在linux上運行的服務器程序上，如今改爲c++，方便我在其餘項目中使用它，至於用不用移植一 份c#的，暫時用不到，等有必要了再說吧。這篇文章先簡單介紹一下mp4文件的大致結構，以及它的分割算法，以後再寫文章介紹如何把mp4完美應用在點播 項目中。

 

1、MP4格式分析                  

　　MP4(MPEG-4 Part 14)是一種常見的多媒體容器格式，它是在「ISO/IEC 14496-14」標準文件中定義的，屬於MPEG-4的一部分，是「ISO/IEC 14496-12(MPEG-4 Part 12 ISO base media file format)」標準中所定義的媒體格式的一種實現，後者定義了一種通用的媒體文件結構標準。MP4是一種描述較爲全面的容器格式，被認爲能夠在其中嵌入 任何形式的數據，各類編碼的視頻、音頻等都不在話下，不過咱們常見的大部分的MP4文件存放的AVC(H.264)或MPEG-4(Part 2)編碼的視頻和AAC編碼的音頻。MP4格式的官方文件後綴名是「.mp4」，還有其餘的以mp4爲基礎進行的擴展或者是縮水版本的格式，包括：M4V,  3GP, F4V等。

　　mp4是由一個個「box」組成的，大box中存放小box，一級嵌套一級來存放媒體信息。box的基本結構是：

  

　　其中，size指明瞭整個box所佔用的大小，包括header部分。若是box很大(例如存放具體視頻數據的mdat box)，超過了uint32的最大數值，size就被設置爲1，並用接下來的8位uint64來存放大小。

　　一個mp4文件有可能包含很是多的box，在很大程度上增長了解析的複雜性，這個網頁上http://mp4ra.org/atoms.html記錄了一些當前註冊過的box類型。看到這麼多box，若是要所有支持，一個個解析，怕是頭都要爆了。還好，大部分mp4文件沒有那麼多的box類型，下圖就是一個簡化了的，常見的mp4文件結構：

  

　　通常來講，解析媒體文件，最關心的部分是視頻文件的寬高、時長、碼率、編碼格式、幀列表、關鍵幀列表，以及所對應的時戳和在文件中的位置，這些 信息，在mp4中，是以特定的算法分開存放在stbl box下屬的幾個box中的，須要解析stbl下面全部的box，來還原媒體信息。下表是對於以上幾個重要的box存放信息的說明：

　　看吧，要獲取到mp4文件的幀列表，還挺不容易的，須要一層層解析，而後綜合stts stsc stsz stss stco等這幾個box的信息，才能還原出幀列表，每一幀的時戳和偏移量。並且，你要照顧可能出現或者可能不出現的那些box。。。能夠看的出來，mp4 把幀sample進行了分組，也就是chunk，須要間接的經過chunk來描述幀，這樣作的理由是能夠壓縮存儲空間，縮小媒體信息所佔用的文件大小。這 裏面，stsc box的解析相對來講比較複雜，它用了一種巧妙的方式來講明sample和chunk的映射關係，特別介紹一下。

　　這是stsc box的結構，前幾項的意義就不解釋了，能夠看到stsc box裏每一個entry結構體都存有三項數據，它們的意思是：「從first_chunk這個chunk序號開始，每一個chunk都有samples_per_chunk個數的sample，並且每一個sample均可以經過sample_description_index這個索引，在stsd box中找到描述信息」。也就是說，每一個entry結構體描述的是一組chunk，它們有相同的特色，那就是每一個chunk包含samples_per_chunk個sample，好，那你要問，這組相同特色的chunk有多少個？請經過下一個entry結構體來推算，用下一個entry的first_chunk減去本次的first_chunk，就獲得了這組chunk的個數。最後一個entry結構體則代表從該first_chunk到最後一個chunk，每一個chunk都有sampls_per_chunk個sample。很拗口吧，不過，就是這個意思:)。因爲這種算法沒法得知文件全部chunk的個數，因此你必須藉助於stco或co64。直接上代碼可能會清楚些：

　　1. 首先直接分析entry

　　2. 而後，經過stco或co64獲知chunk總個數以後，開始還原映射表

　　讀出stsc以後，就能夠綜合stbl下的全部box，推算出視頻和音頻幀列表，時戳和偏移量等數據。下面截圖展現獲取到的關鍵幀列表：

     

　　有了關鍵幀列表以後，就能夠繼續咱們一下個題目，就是mp4文件的分割。實現mp4的分割，是把mp4應用到點播系統中最關鍵的技術環節，作不到這個，就沒法實現點播播放mp4影片的「拖動」。

  

2、MP4文件的分割算法

　　所謂「分割」，就是把大文件切成小文件，要實現mp4的分割，

• 　　首先，須要獲取到關鍵幀列表
• 　　而後，選擇要分割的時間段（好比從關鍵幀開始）
• 　　接着，從新生成moov box（注意全部相關的box 以及 box size都須要改變）
• 　　最後，拷貝對應的數據，生成新文件

　　第一點，上面已經介紹了，第二點，只須要遍歷關鍵幀列表，就能找到離你想要分割的時間段最接近的關鍵幀，第四點就是「copy-paste」的 工做，關鍵在於第三點。由於這一步涉及到stbl下的全部box，必須從新生成entrys，一樣的，其餘的box都還好，只須要保留關鍵幀所對應的 sample和chunk，其他的刪掉便可，只是stsc box的比較麻煩，提及來比較囉嗦，仍是直接看代碼吧：

　　修改完box以後，須要從新生成moov box，因爲moov box的大小以及時長等信息都發生了改變，因此須要box的大小作相應的修改，這點千萬不能忘記，不然播放器會解析錯誤。從新生成box以後，還要計算一 下分割後的數據的長度，因爲數據長度也發生了改變，因此修改mdat box的大小的同時，要同時修改stbl下全部box的chunk offset，切記！

　　如下是整個的邏輯過程：