一. FLV封装简图
FLV格式主要由Header, Body(PreviousTagSize, Tag)组成，简单结构图如下：
二. FLV文件头Header
主要包括flv的类型，版本信息以及包含是否包含音视频情况，共占９个字节，分别如下：
1. 文件标识（3B）：总是为”FLV”,0x46 0x4c 0x56
2. 版本（1B）：目前为0x01
3. 流信息（1B）：文件的标志位说明。前5位保留，必须为0；第6位为音频Tag：1表示有音频；第七位保留，为0； 第8位为视频Tag：1表示有视频．如果音视频均包含，则为0x05.
4. Header长度（4B）：整个header的长度，一般为9（版本为0x01时）；大于9表示下面还有扩展信息。即0x00000009
三. FLV文件体
文件体主要包括PreviousTagSize, Tag. 具体组成如下：
1. PreviousTagSize
PreviousTagSize 表示前一个tag的大小，共占4个字节．所以PreviousTagSize 0是0.
2. Tag
Tag是flv结构中数据的主要承载者，并且音视频数据，脚本数据都将封装成一个tag数据，并且每一个Tag中只能存放一种类型数据，故Tag包含Tag header和Tag Data两部分，Tag Header中主要指出数据类型，数据大小，时间戳，扩展时间戳以及StreamID(总为０)．
2.1 Tag头部
Tag类型（1）：0x08：音频; 0x09：视频; 0x12：脚本; 其他：保留 //用于区分Tag的类型
数据区长度（3）：数据区的长度
时间戳（3）：整数，单位是毫秒。对于脚本型的tag总是0 （CTS）
时间戳扩展（1）：将时间戳扩展为4bytes，代表高8位。很少用到
StreamsID（3）：总是0
例：
type=0x12=18。这里应该是一个scripts。
size=0x000125=293。长度为293。
timestreamp=0x000000。这里是scripts，所以为0
TimestampExtended =0x00。
stream id =0x000000
2.2 Tag数据
数据区（由数据区长度决定）：数据实体．Tag数据共有三种类型，Audio, Video, Script.
(1) Script Tag Data结构（控制帧）
脚本Tag一般只有一个，是flv的第一个Tag，用于存放flv的信息，比如duration、audiodatarate、creator、width等。
在脚本数据中，所有数据都是以数据类型+（数据长度）+数据的格式出现的. 数据类型占1byte，数据长度看数据类型是否存在，后面才是数据.
一般来说，该Tag Data结构包含两个AMF包。AMF（Action Message Format）是Adobe设计的一种通用数据封装格式，在Adobe的很多产品中应用，简单来说，AMF将不同类型的数据用统一的格式来描述。第一个AMF包封装字符串类型数据，用来装入一个“onMetaData”标志，这个标志与Adobe的一些API调用有，在此不细述。第二个AMF包封装一个数组类型，这个数组中包含了音视频信息项的名称和值。具体说明如下，大家可以参照图片上的数据进行理解。
例：
上图为第一个AMF包
- type=
0x02对应String - size=
0A=10 -
value=onMetaData 正好是10个字节。
上图为第二个AMF - type=
0x08对应ECMA array type。
表示数组，类似Map。后面4个字节为数组的个数。然后是键值对，第一个为键，2个字节为长度。后面跟具体的内容。接着3个字节表示值的类型，然后根据类型判断长度。
上图我们可以判断，总共有13个键值对。
第一个长度为8个字节是duration。值类型是0x004073，第一个字节是00，所以是double，8个字节。
第二个长度5个字节是width。值也是double类型，8个字节。
依次解析下去...
到处，我们已经知道了如何解析FLV中Tag为script的数据。
(2) Video Tag Data结构（视频Tag）
视频Tag用开始的第1个字节包含视频数据的参数信息，从第2个字节为视频流数据:
第1个字节的前4位的数值表示帧类型，第1个字节的后4位的数值表示视频编码类型。具体格式如下：
特殊情况：
视频的格式(CodecID)是AVC（H.264）的话，VideoTagHeader会多出4个字节的信息，AVCPacketType 和CompositionTime。
- AVCPacketType 占1个字节
| 值 | 类型 |
|---|---|
| 0 | AVCDecoderConfigurationRecord(AVC sequence header) |
| 1 | AVC NALU |
| 2 | AVC end of sequence (lower level NALU sequence ender is not required or supported) |
AVCDecoderConfigurationRecord.包含着是H.264解码相关比较重要的sps和pps信息，再给AVC解码器送数据流之前一定要把sps和pps信息送出，否则的话解码器不能正常解码。而且在解码器stop之后再次start之前，如seek、快进快退状态切换等，都需要重新送一遍sps和pps的信息.AVCDecoderConfigurationRecord在FLV文件中一般情况也是出现1次，也就是第一个video tag.
- CompositionTime 占3个字节
| 条件 | 值 |
|---|---|
| AVCPacketType ==1 | Composition time offset |
| AVCPacketType !=1 | 0 |
AVCPacketType =0。而后面三个字节也是0。说明这个tag记录的是AVCDecoderConfigurationRecord。包含sps和pps数据。
第二个video tag, AVCPacketType =1，而后面三个字节为000043。这是一个视频帧数据。
sps pps
前面我们提到第一个video 一般存放的是sps和pps。这里我们具体解析下sps和pps内容。先看下存储的格式（图6）：0x01+sps[1]+sps[2]+sps[3]+0xFF+0xE1+sps size+sps+01+pps size+pps
我们看到图7 。
sps[1]=0x64
sps[2]=00
sps[3]=0D
sps size=0x001B=27
跳过27个字节后，是0x01
pps size=0x0005=118
跳过5个字节，就到了back-pointers。
(3) Audio Tag Data结构（音频Tag）
音频Tag开始的第1个字节包含了音频数据的参数信息，从第2个字节开始为音频流数据。如图为音频Tag结构：
第1个字节的前4位的数值表示了音频编码类型，第5-6位的数值表示音频采样率，第7位表示音频采样精度，第8位表示音频类型。具体格式如下：
从上图可以看出，FLV封装格式并不支持48KHz的采样率。
参考：
https://www.cnblogs.com/lidabo/p/9018548.html