FLV(FLASH VIDEO)，是一種常用的文件封裝格式，目前國內外大部分視頻分享網站都是採用的這種格式。其標準定義爲《Adobe Flash Video File Format Specification》。RTMP協議也是基於FLV視頻格式的。
FLV的文件格式在該規範中已闡述清楚，本章節不再重複描述，而是結合下面的示例具體闡述如何分析FLV文件。
圖3. FLV文件結構示例1 
圖4. FLV文件結構示例2
FLV文件的分析工具有很多，這裏給大家推薦FLV Parser這個小軟件，通過它可以很容易的看到文件的組成結構。
3.1 文件結構
從整個文件上看，FLV是由Header和File Body組成，如下圖所示：
圖5. FLV文件總體結構
1.FLV Header - 長度爲9，其結構的標準定義參見標準定義見E.2 The FLV header；
- FLV File Body - 由一連串的PreviousTagSize + Tag構成。previousTagSize是4個字節的數據，表示前一個tag的size。標準定義參見E.3 The FLV File Body。
以圖3. FLV文件結構示例1爲例分析整體結構：
1.位置0x00000000 - 0x00000008, 共9個字節，爲FLV Header，其中：
◦0x00000000 - 0x00000002 : 0x46 0x4C 0x56分別表示字符'F''L''V'，用來標識這個文件是FLV格式的。在做格式探測的時候，如果發現前3個字節爲“FLV”，就認爲它是FLV文件；
◦0x00000003 : 0x01, 表示FLV版本號；
◦0x00000004 : 0x05, 轉換爲2進制是0000 0101，其中第0位爲1，表示存在video，第2位爲1，表示存在audio；
◦0x00000005 - 0x00000008 : 0x00 0x00 0x00 0x09，轉十進制爲9，表示FLV header的長度，當FLV 版本號爲1時，該值通常爲9。
2.位置0x00000009 - ，爲FLV File Body：
◦0x00000009 - 0x0000000C : 0x00 0x00 0x00 0x00 PreviousTagSize0，轉十進制爲0，該值永遠爲0；
◦0x0000000D - 0x00000209 : 0x12 ... 0x09，共509個字節，爲Tag1的具體內容；
◦0x0000020A - 0x0000020D : 0x00 0x00 0x01 0xFD，轉十進制爲509，表示它前面的Tag，即Tag1的長度爲509；
◦0x0000020E - ：按照Tag + PreviousTagSize的結構依次遞推，此處不再舉例說明。
3.2 Tag定義
FLV File Body是由一系列的PreviousTagSize + Tag組成，其中PreviousTagSize的長度爲4個字節，用來表示前一個Tag的長度；Tag裏面的數據可能是video、audio或者scripts，其定義參見E.4.1 FLV Tag，結構如下：
圖6. FLV Tag 結構
以圖3. FLV文件結構示例1爲例分析Tag結構：
1.位置0x0000020E : 0x08, 二進制爲0000 1000，第5位爲0, 表示爲非加擾文件；低5位01000爲8，說明這個Tag包含的數據類型爲Audio；
-
位置0x0000020F - 0x00000211 : 0x00 0x00 0x04，轉十進制爲4，說明Tag的內容長度爲4，與該tag後面的previousTagSize(15) - 11相同；
- 位置0x00000212 - 0x00000214 : 0x00 0x00 0x00，轉十進制爲0，說明當前Audio數據的時間戳爲0；
5.位置0x00000215 : 0x00，擴展時間戳爲0，如果擴展時間戳不爲0，那麼該Tag的時間戳應爲：Timestamp | TimestampExtended<<24；
-
位置0x00000216 - 0x00000218 : 0x00 0x00 0x00，StreamID，總是0；
- StreamID之後的數據每種格式的情況都不一樣，下面會依次進行詳細解讀。
3.3 Audio Tags
如果TAG包中的TagType等於8，表示該Tag中包含的數據類型爲Audio。StreamID之後的數據就是AudioTagHeader，其定義詳見E.4.2.1 AUDIODATA。結構如下：
圖7. FLV Audio Tag結構
需要說明的是，通常情況下AudioTagHeader之後跟着的就是AUDIODATA數據了，但有個特例，如果音頻編碼格式爲AAC，AudioTagHeader中會多出1個字節的數據AACPacketType，這個字段來表示AACAUDIODATA的類型：
•0 = AAC sequence header
•1 = AAC raw。
以圖3. FLV文件結構示例爲例分析AudioTag結構：
- 位置0x00000219 : 0xAF, 二進制表示爲1010 1111：
◦高4位爲1010，轉十進制爲10，表示Audio的編碼格式爲AAC；
◦第3、2位爲11，轉十進制爲3，表示該音頻的採樣率爲44KHZ；
◦第1位爲1，表示該音頻採樣點位寬爲16bits；
◦第0位爲1，表示該音頻爲立體聲。
-
位置0x0000021A : 0x00，十進制爲0，並且Audio的編碼格式爲AAC，說明AACAUDIODATA中存放的是AAC sequence header；
- 位置0x0000021B - 0x0000021C : AUDIODATA數據，即AAC sequence header。
3.3.1 AudioSpecificConfig
AAC sequence header中存放的是AudioSpecificConfig，該結構包含了更加詳細的音頻信息，《ISO-14496-3 Audio》中的1.6.2.1 章節對此作了詳細定義。
通常情況下，AAC sequence header這種Tag在FLV文件中只出現1次，並且是第一個Audio Tag，它存放了解碼AAC音頻所需要的詳細信息。
有關AudioSpecificConfig結構的代碼解析，可以參考ffmpeg/libavcodec/mpeg4audio.c中的avpriv_mpeg4audio_get_config方法。
爲什麼AudioTagHeader中定義了音頻的相關參數，我們還需要傳遞AudioSpecificConfig呢？
因爲當SoundFormat爲AAC時，SoundType須設置爲1（立體聲），SoundRate須設置爲3（44KHZ），但這並不意味着FLV文件中AAC編碼的音頻必須是44KHZ的立體聲。播放器在播放AAC音頻時，應忽略AudioTagHeader中的參數，並根據AudioSpecificConfig來配置正確的解碼參數。
3.4 Video Tag
如果TAG包中的TagType等於9，表示該Tag中包含的數據類型爲Video。StreamID之後的數據就是VideoTagHeader，其定義詳見E.4.3.1 VIDEODATA，結構如下：
圖8. FLV Video Tag結構
VideoTagHeader之後跟着的就是VIDEODATA數據了，但是和AAC音頻一樣，它也存在一個特例，就是當視頻編碼格式爲H.264的時候，VideoTagHeader會多出4個字節的信息，AVCPacketType和CompositionTime。
•AVCPacketType用來表示VIDEODATA的內容
•CompositonTime相對時間戳，如果AVCPacketType=0x01，爲相對時間戳，其它均爲0；
以圖4. FLV文件結構示例2爲例分析VideoTagHeader結構：
- 位置0x0000022C : 0x17, 二進制表示爲0001 0111：
◦高4位爲0001，轉十進制爲1，表示當前幀爲關鍵幀；
◦低4位爲0111，轉十進制爲7，說明當前視頻的編碼格式爲AVC。
-
位置0x0000022D : 0x00，十進制爲0，並且Video的編碼格式爲AVC，說明VideoTagBody中存放的是AVC sequence header；
-
位置0x0000022E - 0x00000230 : 轉十進制爲0，表示相對時間戳爲0；
- 位置0x00000231 - 0x0000021C : VIDEODATA數據，即AVC sequence header。
3.4.1 AVCDecoderConfigurationRecord
AVC sequence header中存放的是AVCDecoderConfigurationRecord，《ISO-14496-15 AVC file format》對此作了詳細定義。它存放的是AVC的編碼參數，解碼時需設置給解碼器後方可正確解碼。
通常情況下，AVC sequence header這種Tag在FLV文件中只出現1次，並且第一個Video Tag。
有關AVCDecoderConfigurationRecord結構的代碼解析，可以參考中的ff_isom_write_avcc方法。
3.4.2 CompositionTime(相對時間戳)
相對時間戳的概念需要和PTS、DTS一起理解：
DTS : Decode Time Stamp，解碼時間戳，用於告知解碼器該視頻幀的解碼時間；
PTS : Presentation Time Stamp，顯示時間戳，用於告知播放器該視頻幀的顯示時間；
CTS : Composition Time Stamp，相對時間戳，用來表示PTS與DTS的差值。
如果視頻裏各幀的編碼是按輸入順序依次進行的，則解碼和顯示時間相同，應該是一致的。但在編碼後的視頻類型中，如果存在B幀，輸入順序和編碼順序並不一致，所以才需要PTS和DTS這兩種時間戳。視頻幀的解碼一定是發生在顯示前，所以視頻幀的PTS，一定是大於等於DTS的，因此CTS=PTS-DTS。
FLV Video Tag中的TimeStamp，不是PTS，而是DTS，視頻幀的PTS需要我們通過DTS + CTS計算得到。
爲什麼Audio Tag不需要CompositionTime呢？
因爲Audio的編碼順序和輸入順序一致，即PTS=DTS，所以它沒有CompositionTime的概念。
3.5 Script Data Tags
如果TAG包中的TagType等於18，表示該Tag中包含的數據類型爲SCRIPT。
SCRIPTDATA 結構十分複雜，定義了很多格式類型，每個類型對應一種結構，詳細可參考E.4.4 Data Tags
onMetaData是SCRIPTDATA中一個非常重要的信息，其結構定義可參考E.5 onMetaData。它通常是FLV文件中的第一個Tag，用來表示當前文件的一些基本信息: 比如視音頻的編碼類型id、視頻的寬和高、文件大小、視頻長度、創建日期等。
來自：金山雲視頻雲團隊