RIFF文件規範
Peter Lee 2007-10-02
摘要：RIFF全稱爲資源互換文件格式（Resources Interchange File Format），RIFF文件是windows環境下大部分多媒體文件遵循的一種文件結構，常見的如WAV文件、AVI文件等。RIFF可以看成一種樹狀結構，其基本組成單元爲LIST和CHUNK，分別如樹的節點和葉子。
一、RIFF文件簡介
RIFF是Microsoft提出的一種多媒體文件的存儲方式，不同編碼的音頻、視頻文件，可以按照它定義的存儲規則保存、記錄各自不同的數據，如：數據內容、採集信息、顯示尺寸、編碼方式等。在播放器或者其它提取工具讀取文件的時候，就可以根據RIFF的規則來分析文件，合理的解析出音頻、視頻信息，正確進行播放。常見的RIFF文件有WAV文件和AVI文件，它們都是遵循RIFF格式保存播放信息和播放數據的。
二、RIFF文件的組織結構
在RIFF的文件存儲規則中，主要有幾個重要的概念需要理解，它們是FOURCC,CHUNK, LIST。下面會對這幾個概念進行詳細解釋。
RIFF格式是一種樹狀的結構，其基本組成單元爲LIST和CHUNK，分別如樹的節點和葉子。RIFF格式也類似windows文件系統的組織形式，windows文件系統有目錄和文件，分別對應RIFF中的LIST和CHUNK。Windows文件系統中的目錄可以包含子目錄和文件，而文件是保存數據的基本單元，RIFF也使用了這樣的結構。在RIFF文件中，數據保存的基本單元是CHUNK，可用於保存音視頻數據或者一些參數信息，LIST相當於文件系統的目錄，可以包含多個CHUNK或者多個LIST。
1、FOURCC
一個FOURCC(four character code)是一個佔4個字節的數據，一般表示4個ASCII字符。在RIFF文件格式中，FOURCC非常普遍，LISTtype,chunkid, 起始標識等信息都是用FOURCC表示的。FOURCC一般是四個字符，如”abcd”這樣的形式，也可以三個字符包含一個空格，如”abc ”這樣的形式。
2、CHUNK
一個CHUNK數據塊的數據結構如下：
ChunkID ChunkSize ChunkData
ChunkID是一個FOURCC，標識該CHUNK的名稱，類似於windows文件系統中的文件名。 ChunkSize佔用4個字節，表示ChunkData部分的數據內容大小，以字節爲單位。ChunkData則是CHUNK中實質性的內容，保存的是CHUNK的具體數據內容。一個CHUNK保存的數據可以是關於聲音文件的編碼方式、音視頻採樣等信息，也可以是音頻或視頻數據。具體表示是哪類數據則通過ChunkID來標識。
3、LIST
一個LIST數據塊的數據結構如下：
“LIST” ListSize ListType ListData
“LIST”也是一個FOURCC，而且是固定的，每個LIST都是以“LIST”爲開頭。ListSize佔用4個字節，表示ListType和ListData兩部分加在一起的大小。ListType是一個FOURCC，是對LIST具體包含的數據內容的標識。而ListData則是該LIST的數據內容區，有CHUNK和子LIST組成，它們的個數和組成次序可以是不確定的。
4、RIFF文件頭
RIFF文件頭的數據結構如下：
“RIFF” FileSize FileType FileData
“RIFF”也是一個FOURCC，用於標識該文件是一個RIFF格式的文件。FileSize是一個4字節的數據，給出文件的大小，但僅包括FileType和FileData兩部分。FileType是一個FOURCC，用來說明文件類型，如”WAV”, “AVI”等。FileData部分表示文件的具體內容，可以是LIST也可以是CHUNK.
三、RIFF文件舉例——WAV文件
WAV是waveform(波形)的所寫，該聲音文件是一個典型的按照RIFF規則組織的文件。一般，在一個WAV文檔中，主要用到RIFF文件頭和CHUNK塊兩個概念。圖1所示爲windows自帶錄音器所錄製一段WAV語音文件的結構圖。這個文件主要由三個CHUNK組成，它們的名稱分別是：”fmt”，”fact和””data”，前兩個CHUNK包含的是編碼、回放等信息，”data”CHUNK包含的是語音數據。
圖1 WAV示例文件結構圖
四、RIFF解析器——RIFFspot
RIFFspot用樹方式直觀展現wav,avi等RIFF文件的結構信息，圖2爲RIFFspot截圖。
圖2 RIFFspot截圖
AVI文件規範
PeterLee 2007-10-14
一、AVI文件簡介
AVI的英文全稱爲Audio VideoInterleaved，即音頻視頻交錯格式，是將語音和影像同步組合在一起的文件格式。AVI於1992年被Microsoft公司推出，隨Windows3.1一起被人們所認識和熟知。AVI文件格式多用於音視頻捕捉、編輯、回放等應用程序中。通常情況下，一個AVI文件可以包含多個不同類型的媒體流（典型的情況下有一個音頻流和一個視頻流），不過含有單一音頻流或單一視頻流的AVI文件也是合法的。AVI可以算是Windows操作系統上最基本的、也是最常用的一種媒體文件格式。
Note: 本文介紹的是基本的AVI文件格式規範，至於newAVI等一些AVI擴展格式，請關注筆者後續文章。
二、RIFF文件規範
AVI文件屬於一種RIFF（ResourceInterchange File Format的縮寫）文件格式，與此同類的還有常見的WAV文件。RIFF是Microsoft提出的一種多媒體文件的存儲方式，不同編碼的音頻、視頻文件，可以按照它定義的存儲規則保存、記錄各自不同的數據。如果讀者不熟悉RIFF文件規範，閱讀下面章節前，建議先閱讀《RIFF文件規範》這篇文章：http://blog.csdn.net/sunshine1314/archive/2007/10/10/1817991.aspx
三、AVI文件結構實例分析
1、AVI文件結構示例
圖1所示爲windows系統目錄下的clock.avi的文件結構圖，其結構是用RIFFspot程序解析得到的，關於RIFFspot程序，感興趣的讀者可以到下面的網址中下載：http://blog.csdn.net/sunshine1314/archive/2007/09/22/1795739.aspx
圖1clock.avi文件結構
2、AVI文件全局結構說明
如圖1所示，整個AVI文件的結構爲：一個RIFF頭 + 兩個列表（一個用於描述媒體流格式、一個用於保存媒體流數據） + 一個可選的索引塊 + 一個JUNK塊。
首先，RIFF (‘AVI’…)表徵了AVI文件類型。然後就是AVI文件必需的第一個列表——‘hdrl’列表，用於描述AVI文件中各個流的格式信息（AVI文件中的每一路媒體數據都稱爲一個流）。‘hdrl’列表嵌套了一系列塊和子列表——首先是一個‘avih’塊，用於記錄AVI文件的全局信息。然後，就是一個或多個‘strl’子列表。文件中有多少個流，這裏就對應有多少個‘strl’子列表，示例clock.avi文件有兩路流，既音頻流和視頻流。
當AVI文件中的所有流都使用一個‘strl’子列表說明了以後（注意：‘strl’子列表出現的順序與媒體流的編號是對應的，比如第一個‘strl’子列表說明的是第一個流（Stream 0），第二個‘strl’子列表說明的是第二個流（Stream 1），以此類推），‘hdrl’列表的任務也就完成了，隨後跟着的就是AVI文件必需的第二個列表——‘movi’列表，用於保存真正的媒體流數據（視頻圖像幀數據或音頻採樣數據等）。
最後，緊跟在‘hdrl’列表和‘movi’列表之後的，就是AVI文件可選的索引塊。這個索引塊爲AVI文件中每一個媒體數據塊進行索引，並且記錄它們在文件中的偏移（可能相對於‘movi’列表，也可能相對於AVI文件開頭）。
圖1中還有一種特殊的數據塊，用一個四字符碼‘JUNK’來表徵，它用於內部數據的隊齊（填充），應用程序應該忽略這些數據塊的實際意義。
3、’avih’塊
‘avih’塊，用於記錄AVI文件的全局信息，比如流的數量、視頻圖像的寬和高等，可以使用一個AVIMAINHEADER數據結構來操作：
typedef struct_avimainheader {
FOURCC fcc; // 必須爲‘avih’
DWORD cb; // 本數據結構的大小，不包括最初的8個字節（fcc和cb兩個域）
DWORD dwMicroSecPerFrame; // 視頻幀間隔時間（以毫秒爲單位）
DWORD dwMaxBytesPerSec; // 這個AVI文件的最大數據率
DWORD dwPaddingGranularity; // 數據填充的粒度
DWORD dwFlags; // AVI文件的全局標記，比如是否含有索引塊等
DWORD dwTotalFrames; // 總幀數
DWORD dwInitialFrames; // 爲交互格式指定初始幀數（非交互格式應該指定爲0）
DWORD dwStreams; // 本文件包含的流的個數
DWORD dwSuggestedBufferSize; // 建議讀取本文件的緩存大小（應能容納最大的塊）
DWORD dwWidth; // 視頻圖像的寬（以像素爲單位）
DWORD dwHeight; // 視頻圖像的高（以像素爲單位）
DWORD dwReserved[4]; // 保留
} AVIMAINHEADER;
4、’strl’子列表
每個‘strl’子列表至少包含一個‘strh’塊和一個‘strf’塊，而‘strd’塊（保存編解碼器需要的一些配置信息）和‘strn’塊（保存流的名字）是可選的。首先是‘strh’塊，用於說明這個流的頭信息，可以使用一個AVISTREAMHEADER數據結構來操作：
typedef struct _avistreamheader{
FOURCC fcc; // 必須爲‘strh’
DWORD cb; // 本數據結構的大小，不包括最初的8個字節（fcc和cb兩個域）
FOURCC fccType; //流的類型：‘auds’（音頻流）、‘vids’（視頻流）、
//‘mids’（MIDI流）、‘txts’（文字流）
FOURCC fccHandler; // 指定流的處理者，對於音視頻來說就是解碼器
DWORD dwFlags; // 標記：是否允許這個流輸出？調色板是否變化？
WORD wPriority; // 流的優先級（當有多個相同類型的流時優先級最高的爲默認流）
WORD wLanguage;
DWORD dwInitialFrames; // 爲交互格式指定初始幀數
DWORD dwScale; // 這個流使用的時間尺度
DWORD dwRate;
DWORD dwStart; // 流的開始時間
DWORD dwLength; // 流的長度（單位與dwScale和dwRate的定義有關）
DWORD dwSuggestedBufferSize; // 讀取這個流數據建議使用的緩存大小
DWORD dwQuality; // 流數據的質量指標（0 ~ 10,000）
DWORD dwSampleSize; // Sample的大小
struct {
short int left;
short int top;
short int right;
short int bottom;
} rcFrame; // 指定這個流（視頻流或文字流）在視頻主窗口中的顯示位置
// 視頻主窗口由AVIMAINHEADER結構中的dwWidth和dwHeight決定
} AVISTREAMHEADER;
然後是‘strf’塊，用於說明流的具體格式。如果是視頻流，則使用一個BITMAPINFO數據結構來描述；如果是音頻流，則使用一個WAVEFORMATEX數據結構來描述。
5、‘movi’列表
‘movi’列表保存的是真正的媒體流數據，其數據組織方式有兩種。可以將數據塊直接嵌在‘movi’列表裏面，也可以將幾個數據塊分組成一個‘rec ’列表後再編排進‘movi’列表。
當AVI文件中包含有多個流的時候，數據塊與數據塊之間如何來區別呢？數據塊使用了一個四字符碼來表徵它的類型，這個四字符碼由2個字節的類型碼和2個字節的流編號組成。標準的類型碼定義如下：‘db’（非壓縮視頻幀）、‘dc’（壓縮視頻幀）、‘pc’（改用新的調色板）、‘wb’（音縮視頻）。比如第一個流（Stream 0）是音頻，則表徵音頻數據塊的四字符碼爲‘00wb’；第二個流（Stream 1）是視頻，則表徵視頻數據塊的四字符碼爲‘00db’或‘00dc’。對於視頻數據來說，在AVI數據序列中間還可以定義一個新的調色板，每個改變的調色板數據塊用‘xxpc’來表徵，新的調色板使用一個數據結構AVIPALCHANGE來定義。（注意：如果一個流的調色板中途可能改變，則應在這個流格式的描述中，也就是AVISTREAMHEADER結構的dwFlags中包含一個AVISF_VIDEO_PALCHANGES標記）。另外，文字流數據塊可以使用隨意的類型碼錶徵。
注意：視頻數據塊在類型碼之後的四個字節一般是數據長度，讀取真正的視頻幀時要注意把其去掉，音頻數據塊同樣有四字節的頭，讀取數據時也要注意去掉，如果是音頻是立體音(雙聲道)，則數據塊裏含有左右聲道的數據，按採樣字節長度交叉填充。
6、AVI索引塊
索引塊使用一個四字符碼‘idx1’來表徵，索引信息使用一個數據結構來AVIOLDINDEX定義。
typedef struct _avioldindex {
FOURCC fcc; // 必須爲‘idx1’
DWORD cb; // 本數據結構的大小，不包括最初的8個字節（fcc和cb兩個域）
struct _avioldindex_entry {
DWORD dwChunkId; // 表徵本數據塊的四字符碼
DWORD dwFlags; // 說明本數據塊是不是關鍵幀、是不是‘rec’列表等信息
DWORD dwOffset; //本數據塊在文件中的偏移量
DWORD dwSize; // 本數據塊的大小
} aIndex[]; // 這是一個數組！爲每個媒體數據塊都定義一個索引信息
} AVIOLDINDEX;
注意：如果一個AVI文件包含有索引塊，則應在主AVI信息頭的描述中，也就是AVIMAINHEADER結構的dwFlags中包含一個AVIF_HASINDEX標記。
四、後記
大家應該都聽過“AVI文件不適合用於流媒體傳輸”這樣的說法，通過本文對AVI文件結構的解析，相信大家對這種說法有更清晰的驗證，因爲AVI文件結構中置於文件尾部的索引塊、頭部信息中規定的文件長度等過多的選項都是不適合流媒體應用的。
AVI是音頻視頻交錯(Audio Video Interleaved)的英文縮寫，它是Microsoft公司開發的一種符合RIFF文件規範的數字音頻與視頻文件格式，原先用於Microsoft
Video for Windows (簡稱VFW)環境，現在已被Windows 95/98、OS/2等多數操作系統直接支持。AVI格式允許視頻和音頻交錯在一起同步播放，支持256色和RLE壓縮，但AVI文件並未限定壓縮標準，因此，AVI文件格式只是作爲控制界面上的標準，不具有兼容性，用不同壓縮算法生成的AVI文件，必須使用相應的解壓縮算法才能播放出來。常用的AVI播放驅動程序，主要是Microsoft
Video for Windows或Windows 95/98中的Video1，以及Intel公司的Indeo
Video。
在介紹AVI文件前，我們要先來看看RIFF文件結構。AVI文件採用的是RIFF文件結構方式，RIFF（ResourceInterchange
File Format，資源互換文件格式）是微軟公司定義的一種用於管理windows環境中多媒體數據的文件格式，波形音頻wave，MIDI和數字視頻AVI都採用這種格式存儲。構造RIFF文件的基本單元叫做數據塊（Chunk），每個數據塊包含3個部分，
1、4字節的數據塊標記（或者叫做數據塊的ID）
2、數據塊的大小
3、數據
整個RIFF文件可以看成一個數據塊，其數據塊ID爲RIFF，稱爲RIFF塊。一個RIFF文件中只允許存在一個RIFF塊。RIFF塊中包含一系列的子塊，其中有一種字塊的ID爲"LIST"，稱爲LIST，LIST塊中可以再包含一系列的子塊，但除了LIST塊外的其他所有的子塊都不能再包含子塊。
RIFF和LIST塊分別比普通的數據塊多一個被稱爲形式類型（Form Type）和列表類型（List
Type）的數據域，其組成如下：
1、4字節的數據塊標記（Chunk ID）
2、數據塊的大小
3、4字節的形式類型或者列表類型
4、數據
下面我們看看AVI文件的結構。AVI文件是目前使用的最複雜的RIFF文件，它能同時存儲同步表現的音頻視頻數據。AVI的RIFF塊的形式類型是AVI，它包含3個子塊，如下所述：
1、信息塊，一個ID爲"hdrl"的LIST塊，定義AVI文件的數據格式。
2、數據塊，一個ID爲 "movi"的LIST塊，包含AVI的音視頻序列數據。
3、索引塊，ID爲 "idxl"的子塊，定義
"movi"LIST塊的索引數據，是可選塊。
AVI文件的結構如下圖所示，下面將具體介紹AVI文件的各子塊構造。
1、信息塊，信息塊包含兩個子塊，即一個ID爲 avih的子塊和一個ID爲strl的LIST塊。
"avih"子塊的內容可由如下的結構定義：
|
typedef struct |
"strl"LIST塊用於記錄AVI數據流，每一種數據流都在該LIST塊中佔有3個子塊，他們的ID分別是"strh","strf",
"strd"；
"strh"子塊由如下結構定義。
|
typedef struct |
"strf"子塊緊跟在"strh"子塊之後，其結構視"strh"子塊的類型而定，如下所述；如果
strh子塊是視頻數據流，則 strf子塊的內容是一個與windows設備無關位圖的BIMAPINFO結構，如下：
|
typedef struct tagBITMAPINFO |
如果 strh子塊是音頻數據流，則strf子塊的內容是一個WAVEFORMAT結構，如下：
|
typedef struct |
"strd"子塊緊跟在strf子塊後，存儲供壓縮驅動程序使用的參數，不一定存在，也沒有固定的結構。
"strl"LIST塊定義的AVI數據流依次將 "hdrl " LIST塊中的數據流頭結構與"movi"
LIST塊中的數據聯繫在一起，第一個數據流頭結構用於數據流0，第二個用於數據流1，依次類推。
數據塊中存儲視頻和音頻數據流，數據可直接存於 "movi" LIST塊中。數據塊中音視頻數據按不同的字塊存放，其結構如下所述，
音頻字塊
"##wb"
Wave 數據流
視頻子塊中存儲DIB數據，又分爲壓縮或者未壓縮DIB，
"##db"
RGB數據流
"##dc"
壓縮的圖像數據流
看到了吧，avi文件的圖像數據可以是壓縮的，和非壓縮格式的。對於壓縮格式來說，也可採用不同的編碼，也許你曾經遇到有些avi沒法識別，就是因爲編碼方式不一樣，如果沒有相應的解碼，你就沒法識別視頻數據。AVI的編碼方式有很多種，比較常見的有
mpeg2，mpeg4，divx等。
索引塊，索引快包含數據塊在文件中的位置索引，能提高avi文件的讀寫速度，其中存放着一組AVIINDEXENTRY結構數據。如下，這個塊並不是必需的，也許不存在。
|
typedef struct |