参考地址：
https://zhuanlan.zhihu.com/p/83346973
https://www.cnblogs.com/leisure_chn/p/10662941.html
https://blog.csdn.net/abe_liu/article/details/107445565 （video解析）
https://www.cnblogs.com/chgaowei/p/5445597.html （FLV文件格式官方规范详解）
前言
flv 是 flash video 的缩写，是 Adobe Flash payler 支持的一种流媒体播放格式。flv 是一种层级格式，除了一个 flv header 外，剩下全是由 一个个 tag 组成。tag 是由 tag 头和 tag 数据组成。tag 类型分为音频、视频、脚本，一共三种类型。每一种数据类型又有自己的 tag 头。
FLV 文件头格式
FLV 文件有 9 个字节的文件头，文件以 3 字节签名 0x46、0x4C、0x 56 开始，分别是 ‘F’、’L’、’V’ 三个字母的 ascii 编码。版本号是 1。文件头中还有 flag 标记，表面是否有音频、视频 tag。
| 字段 | 类型 | 说明 |
|---|---|---|
| Signature | UI8 | \'F\' (0x46) |
| Signature | UI8 | \'L\' (0x4C) |
| Signature | UI8 | \'V\' (0x56) |
| Version | UI8 |
类型标识。 前5个bit是类型标志预留字段，必须是0； 第6个bit音频类型标志（TypeFlagsAudio）； 第7个bit是类型标志预留字段，必须是0； 第8个bit视频类型标志（TypeFlagsVideo）。（0x05，也就是 00000101，表示既有音频也有视频。0x01 只有视频） FLV 版本。例如，0x01 表示 FLV 版本 1 |
| TypeFlags | UI8 | b[0] 是否存在视频流 b[2] 是否存在音频流 其他字段保留，值为0 |
| DataOffset | UI32 | FLV Header 长度(字节) |
下来以音频、视频为例，分析一下 FLV 格式的 header、tag。
音频 tag 格式
如上图，除了 9 字节的公共文件头外，body 部分就是一个个 tag 组成的。每一个 tag 都有 15 字节的 tag 头。字段说明如下：
- PreviousTagSize，是 4 字节长度，表面之前的 Tag 的长度，包含了 tag 头和 tag 数据。第一个 tag ，此值是 0。
- TagType，是 1 字节长度。音频：8， 视频：9
- DataSize , 是 3 字节长。flv tag 的数据长度，其实如图里 audio tag 头及其数据长度。
- Timestamp，是 3 字节长。时间戳，貌似 flv 播放需要。
- TimestampExtended, 是对 Timestamp 长度的扩展，当时间长度 3 字节不能表示的时候，启用扩展字段。
- StreamID ，3 字节长，都填 0
| 字段 | 字节数 | 描述 |
|---|---|---|
| TagType | 1 | 0x12 : Scipt 0x09 ：视频 0x08:音频 |
| DataSize | 3 | 数据长度 |
| TimeStamp | 3 | 相对于第一帧的时间戳，单位为毫秒，第一帧总为0 |
| TimeStampExtender | 1 | 时间戳的补充字段 |
| StreamID | 3 | 0 |
flv tag 的 body 部分其实就是音频的 tag 部分了，图中每一个字段都有简单说明。具体每一个参数都有很多取值，取值的详细说明参考 [1] 中标明的 flv 规范音频 tag 部分。
对于 AACPacketType = 0 的情况，音频数据是 AudioSpecificConfig 格式，此格式在 ISO/IEC 14496-3 2009 中第一，可惜下载不到此文档。
如果是 AACPacketType = 1 的情况，那么后续数据都是 AAC 格式了（data里面的数据不包含Acc 的头7个字节）。
音频数据
|
Field
|
type
|
Comment
|
|
音频格式
|
UB4
|
0 = Linear PCM, platform endian
1 = ADPCM 2 = MP3 3 = Linear PCM, little endian 4 = Nellymoser 16-kHz mono 5 = Nellymoser 8-kHz mono 6 = Nellymoser 7 = G.711 A-law logarithmic PCM
8 = G.711 mu-law logarithmic PCM 9 = reserved
10 = AAC
11 = Speex 14 = MP3 8-Khz
15 = Device-specific sound
7, 8, 14, and 15：内部保留使用。
flv是不支持g711a的，如果要用，可能要用线性音频。
|
|
采样率
|
UB2
|
For AAC: always 3 （AAC总是3）
0 = 5.5-kHz
1 = 11-kHz
2 = 22-kHz
3 = 44-kHz
|
|
采样大小
|
UB1
|
0 = snd8Bit
1 = snd16Bit
|
|
声道
|
UB1
|
0=单声道
1=立体声,双声道。AAC永远是1
|
|
声音数据
|
UI8[N] |
如果是PCM线性数据，存储的时候每个16bit小端存储，有符号。
如果音频格式是AAC，则存储的数据是AAC AUDIO DATA，否则为线性数组。
|
视频 tag 格式
视频 tag 格式和音频格式 flv 文件头、flv tag 头都相同。
这里需要说明一下的是，当 flv 包含的是 h264 的时候，CodecID 值是 7。在 H264 视频流开始的第一个 NALU 数据，需要发送 SPS、PPS 类型的数据。此时，AVCPacketType 会填 0，SPS/PPS 是包含在 AVCDecoderConfigurationRecord 结构中。
视频Tag Data 是由 FrameType 和CodecID 以及VideoData 或者AVCVIDEOPACKET构成，AVCVIDEOPACKET只存在第一个video tag 中。
1、AVCVIDEOPACKET 解析
| 字段 | 字节 | 描述 |
|---|---|---|
| AVCPACKETType | 1 | 0：AVC sequence header 1：AVC NALU 2：AVC end of sequence |
| Composition Offset | 3 | 合成时间。 AVCPacketType==1，表示 合成时间(单位毫秒)； 否则为0 |
| VideoData | 2 | 如果AVCPacketType=0数据部分为AVCDecoderConfigurationRecord； 如果AVCPacketType=1，数据部分为1个或多个NALU； 如果AVCPacketType==2，数据部分为空 |
关键的AVCDecoderConfigurationRecord 数据构成
| 字段 | 字节 | 描述 |
|---|---|---|
| 版本 | 1 | 0x01版本号为1 |
| 编码规格 | 3 | sps[1]+sps[2]+sps[3] |
| NALU 的长度 | 1 | 0xff |
| SPS个数 | 1 | 0xE1 |
| SPS长度 | 2 | 整个sps长度 |
| SPS的内容 | n | 整个sps |
| PPS个数 | 1 | 0x01 |
| PPS长度 | 2 | 整个pps长度 |
| PPS内容 | n | 整个pps内容 |
2、普通Video Data 解析
讲完第一个特殊的VideoData, 其他所有的VideoData 都是由AVPACKETTYPE + CompsitionTime offset + Data(去除startCode 的有效图像数据)构成。