mp4應該算是一種比較復雜的媒體格式了，起源于QuickTime。以前研究的時候就花了一番的功夫，尤其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”。當然，流媒體點播也可以采用flv格式來做，flv也可以封裝H.264視頻數據的，不過Adobe卻不推薦這么做，人家說畢竟mp4才是H.264最佳的存儲格式嘛。

　　這幾天整理并重構了一下mp4文件的解析程序，融合了分解與合并的程序，以前是c語言寫的，應用在linux上運行的服務器程序上，現在改成c++，方便我在其他項目中使用它，至于用不用移植一份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文件的大體結構，以及它的分割算法，之后再寫文章介紹如何把mp4完美應用在點播項目中。

?

一、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，屬于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，后者定義了一種通用的媒體文件結構標準。MP4是一種描述較為全面的容器格式，被認為可以在其中嵌入任何形式的數據，各種編碼的視頻、音頻等都不在話下，不過我們常見的大部分的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格式的官方文件后綴名是“.mp4”，還有其他的以mp4為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指明了整個box所占用的大小，包括header部分。如果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就被設置為1，并用接下來的8位uint64來存放大小。

　　一個mp4文件有可能包含非常多的box，在很大程度上增加了解析的復雜性，這個網頁上http://mp4ra.org/atoms.html記錄了一些當前注冊過的box類型。看到這么多box，如果要全部支持，一個個解析，怕是頭都要爆了。還好，大部分mp4文件沒有那么多的box類型，下圖就是一個簡化了的，常見的mp4文件結構：

??

　　一般來說，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，需要解析stbl下面所有的box，來還原媒體信息。下表是對于以上幾個重要的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，需要一層層解析，然后綜合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。而且，你要照顧可能出現或者可能不出現的那些box。。。可以看的出來，mp4把幀sample進行了分組，也就是chunk，需要間接的通過chunk來描述幀，這樣做的理由是可以壓縮存儲空間，縮小媒體信息所占用的文件大小。這里面，stsc box的解析相對來說比較復雜，它用了一種巧妙的方式來說明sample和chunk的映射關系，特別介紹一下。

　　這是stsc box的結構，前幾項的意義就不解釋了，可以看到stsc box里每個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，每個chunk都有samples_per_chunk個數的sample，而且每個sample都可以通過sample_description_index這個索引，在stsd box中找到描述信息”。也就是說，每個entry結構體描述的是一組chunk，它們有相同的特點，那就是每個chunk包含samples_per_chunk個sample，好，那你要問，這組相同特點的chunk有多少個？請通過下一個entry結構體來推算，用下一個entry的first_chunk減去本次的first_chunk，就得到了這組chunk的個數。最后一個entry結構體則表明從該first_chunk到最后一個chunk，每個chunk都有sampls_per_chunk個sample。很拗口吧，不過，就是這個意思:)。由于這種算法無法得知文件所有chunk的個數，所以你必須借助于stco或co64。直接上代碼可能會清楚些：

　　1. 首先直接分析entry

　　2. 然后，通過stco或co64獲知chunk總個數之后，開始還原映射表

　　讀出stsc之后，就可以綜合stbl下的所有box，推算出視頻和音頻幀列表，時戳和偏移量等數據。下面截圖展示獲取到的關鍵幀列表：

? ? ?

　　有了關鍵幀列表之后，就可以繼續我們一下個題目，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，做不到這個，就無法實現點播播放mp4影片的“拖動”。

??

二、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，需要獲取到關鍵幀列表
• 　　然后，選擇要分割的時間段（比如從關鍵幀開始）
• 　　接著，重新生成moov box（注意所有相關的box 以及 box size都需要改變）
• 　　最后，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，只需要遍歷關鍵幀列表，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”的工作，關鍵在于第三點。因為這一步涉及到stbl下的所有box，必須重新生成entrys，同樣的，其他的box都還好，只需要保留關鍵幀所對應的sample和chunk，其余的刪掉即可，只是stsc box的比較麻煩，說起來比較啰嗦，還是直接看代碼吧：

　　修改完box之后，需要重新生成moov box，由于moov box的大小以及時長等信息都發生了改變，所以需要box的大小做相應的修改，這點千萬不能忘記，否則播放器會解析錯誤。重新生成box之后，還要計算一下分割后的數據的長度，由于數據長度也發生了改變，所以修改mdat box的大小的同時，要同時修改stbl下所有box的chunk offset，切記！

　　以下是整個的邏輯過程：

　　好了，所有這些都實現之后，就具備了做mp4點播系統的條件了。不過，要做mp4點播，還有一些其他的問題需要解決，我將在下一篇文章中介紹。