目錄
概述
mp4文件基本信息
封裝格式重要概念
重要box介紹
其他box介紹
實用技術(shù)
開源軟件
參考
[3]wikipedia/ISO base media file format
[6]Phil Cluff/What's in the box_!
[8]tao/Android音視頻系列：視頻容器操作篇 -- mp4容器打包實現(xiàn)
[10]Jameson Steiner/Fun with Container Formats? – Part 2
1. 概述
mp4或稱MPEG-4 Part 14，是一種多媒體容器格式，擴(kuò)展名為.mp4。
歷史[6]：
2001年，apple的QuickTime格式，.qt和.mov的后綴名。
2001年，MPEG-4 Part1，把基于QuickTime的box布局的容器格式添加到了MPEG-4標(biāo)準(zhǔn)。
2004年，標(biāo)準(zhǔn)文檔把編碼和容器格式的說明分開。
MPEG-4 Part12，定義了容器格式通用的box結(jié)構(gòu)，即ISO媒體文件格式(ISO base media file format, ISOBMFF)。
MPEG-4 Part14，基于Part12進(jìn)行了細(xì)化，定義了用于存儲MPEG-4內(nèi)容的容器格式，即.mp4格式。
圖1 MP4 File Format.png
以下是各標(biāo)準(zhǔn)文檔的鏈接：
QuickTime：QuickTime/QTFF
MPEG-4 Part12：ISO/IEC 14496-12:2015
MPEG-4 Part14：ISO/IEC 14496-14:2018，官網(wǎng)上這部分是付費的。
MP4文件由許多box組成，每個box包含不同的信息， 這些box以樹形結(jié)構(gòu)的方式組織。以下是主要box的簡要說明：
圖2 主要box說明
根節(jié)點之下，主要包含三個節(jié)點：ftyp、moov、mdat。
ftyp：文件類型。描述遵從的規(guī)范的版本。
moov box：媒體的metadata信息。
mdat：具體的媒體數(shù)據(jù)。
說明：在 mp4 中默認(rèn)寫入字節(jié)序是 Big-Endian的。
2. mp4文件基本信息
分析mp4文件的工具：
mp4box.js：一個在線解析mp4的工具。
bento4：包含mp4dump、mp4edit、mp4encrypt等工具。
MP4Box：類似于bento4，包含很全面的工具。
mp4info.exe: windows平臺圖形界面展示mp4基本信息的工具。
下圖為使用mp4info.exe打開mp4文件的界面：
圖3 mp4info.PNG
mp4文件基本信息
audio信息：
smplrate：sample rate(采樣率)。
channel：通道個數(shù)。
bitrate：比特率。
audiosamplenum：音頻sample的個數(shù)。
video信息：
width、height：視頻的寬/高。
bitrate：比特率(碼率)，秒為單位。等于視頻總的大小/時長。
frames：視頻幀數(shù)。
fps：幀率(frame per second)。
total_time：時間長度，ms為單位。等于duration/timescale。
timescale：時間的粒度，1000表示1000個單位為1s。
duration：時間粒度的個數(shù)。
videosamplenum：視頻sample的個數(shù)。
3. 封裝格式重要概念
3.1 box
mp4文件由若干個box組成。下面是box結(jié)構(gòu)的一個示意圖。
圖4 mp4_box.png
box由header和body組成，header指明box的size和type。size是包含box header的整個box的大小。
box type，通常是4個ASCII碼的字符如“ftyp”、“moov”等，這些box type都是已經(jīng)預(yù)定義好的，表示固定的含義。如果是“uuid”，表示該box為用戶自定義擴(kuò)展類型，如果box type是未定義的，應(yīng)該將其忽略。
如果header中的size為1，則表示box長度需要更多的bits位來描述，在后面會有一個64bits位的largesize用來描述box的長度。如果size為0，表示該box為文件的最后一個box，文件結(jié)尾（同樣只存在于“mdat”類型的box中）。
box中可以包含box，這種box稱為container box。
box分為兩種，Box和Fullbox。FullBox 是 Box 的擴(kuò)展，Header 中增加了version 和 flags字段，分別定義如下：
aligned(8)classBox(unsignedint(32)boxtype,optionalunsignedint(8)[16]extended_type){unsignedint(32)size;unsignedint(32)type=boxtype;if(size==1){unsignedint(64)largesize;}elseif(size==0){// box extends to end of file}if(boxtype==‘uuid’){unsignedint(8)[16]usertype=extended_type;}}
FullBox有version和flags字段，
aligned(8)classFullBox(unsignedint(32)boxtype,unsignedint(8)v,bit(24)f)extendsBox(boxtype){unsignedint(8)version=v;bit(24)flags=f;}
3.2 track
一些sample的集合，對于媒體數(shù)據(jù)來說，track表示一個視頻或者音頻序列。
3.3 sample
video sample即為一幀或者一組連續(xù)視頻幀，audio sample即為一段連續(xù)的音頻。
3.4. sample table
指明sample時序和物理布局的表。
3.5. chunk
一個track的幾個sample組成的單元。
mp4文件中，媒體內(nèi)容在moov的box中。一個moov包含多個track。每個track就是一個隨時間變化的媒體序列，track里的每個時間單位是一個sample，sample按照時間順序排列。注意，一幀音頻可以分解成多個音頻sample，所以音頻一般用sample作為單位，而不用幀。
4. 重要box介紹
4.1 Sample Table Box（stbl）
“stbl”是mp4文件中最復(fù)雜的一個box了，也是解開mp4文件格式的主干。
stbl ：sample table是一個container box。
語法：
classSampleTableBoxextendsBox(‘stbl’){}
其子box包括：
stsd：sample description box，樣本的描述信息。
stts：time to sample box，sample解碼時間的壓縮表。
ctts：composition time to sample box，sample的CTS與DTS的時間差的壓縮表。
stss：sync sample box，針對視頻，關(guān)鍵幀的序號。
stsz/stz2：sample size box，每個sample的字節(jié)大小。
stsc：sample to chunk box，sample-chunk映射表。
stco/co64：chunk offset box，chunk在文件中的偏移。
sample是媒體數(shù)據(jù)存儲的單位，存儲在media的chunk中，chunk和sample的長度均可互不相同，如下圖所示。
圖5 sample.jpg
4.2 Sample Description Box（stsd）
存儲了編碼類型和初始化解碼器需要的信息。
有與特定的track-type相關(guān)的信息，相同的track-type也會存在不同信息的情況如使用不一樣的編碼標(biāo)準(zhǔn)。
語法：
classSampleDescriptionBox(unsignedint(32)handler_type)extendsFullBox('stsd',0,0){int i;unsignedint(32)entry_count;for(i=1;i<=entry_count;i++){switch(handler_type){case‘soun’:// for audio tracksAudioSampleEntry();break;case‘vide’:// for video tracksVisualSampleEntry();break;case‘hint’:// Hint trackHintSampleEntry();break;case‘meta’:// Metadata trackMetadataSampleEntry();break;}}}}
主要字段說明：
entry count：entry的個數(shù)。
handler_type：類型信息如“vide”、“soud”等，不同類型會提供不同的信息。
對于audio track，使用“AudioSampleEntry”類型信息。
abstract class SampleEntry(unsignedint(32)format)extendsBox(format){constunsignedint(8)[6]reserved=0;unsignedint(16)data_reference_index;}classAudioSampleEntry(codingname)extends SampleEntry(codingname){constunsignedint(32)[2]reserved=0;templateunsignedint(16)channelcount=2;templateunsignedint(16)samplesize=16;unsignedint(16)pre_defined=0;constunsignedint(16)reserved=0;templateunsignedint(32)samplerate={defaultsamplerate of media}<<16;}
format：視頻或者音頻的編碼格式。
比如aac音頻的format值為mp4a。
AVC-1/H.264視頻的format值為avc1。
data_reference_index：利用這個索引可以檢索與當(dāng)前sample description關(guān)聯(lián)的數(shù)據(jù)。數(shù)據(jù)引用存儲在data reference box。
channelcount：通道個數(shù)。
samplesize：采樣位數(shù)。默認(rèn)是16比特。
samplerate：采樣率。[16.16]格式的數(shù)據(jù)。
對于video track，使用“VisualSampleEntry”類型信息。
classVisualSampleEntry(codingname)extends SampleEntry(codingname){unsignedint(16)pre_defined=0;constunsignedint(16)reserved=0;unsignedint(32)[3]pre_defined=0;unsignedint(16)width;unsignedint(16)height;templateunsignedint(32)horizresolution=0x00480000;// 72 dpitemplateunsignedint(32)vertresolution=0x00480000;// 72 dpiconstunsignedint(32)reserved=0;templateunsignedint(16)frame_count=1;string[32]compressorname;templateunsignedint(16)depth=0x0018;int(16)pre_defined=-1;// other boxes from derived specificationsCleanApertureBox clap;// optionalPixelAspectRatioBox pasp;// optional}
width、height：像素寬高。
horizresolution、vertresolution：每英寸的像素值(dpi)，[16.16]格式的數(shù)據(jù)。
frame_count：每個sample中的視頻幀數(shù)，默認(rèn)是1?？梢允且粋€sample中有多幀數(shù)據(jù)。
4.3 Decoding Time to Sample Box（stts）
包含了一個壓縮版本的表，通過這個表可以從解碼時間映射到sample序號。表中的每一項是連續(xù)相同的編碼時間增量(Decode Delta)的個數(shù)和編碼時間增量。通過把時間增量累加就可以建立一個完整的time to sample表。
以下是Decoding Timing和Decode delta關(guān)系的一個圖示：
圖6 STTS_sample.PNG
DT(decoding time)：編碼時間。
CT(composition time)：創(chuàng)作時間。
Decode Delta：編碼時間增量。
Composition offset：顯示時間同解碼時間的差值，等于CT - DT。
計算方式：
DT(n+1)=DT(n)+STTS(n)whereSTTS(n)注：這里的STTS(n)是未壓縮的DecodeDelta表。DT(i)=SUM(forj=0to i-1ofdelta(j))
語法：
classTimeToSampleBoxextendsFullBox(’stts’,version=0,0){unsignedint(32)entry_count;inti;for(i=0;i<entry_count;i++){unsignedint(32)sample_count;unsignedint(32)sample_delta;}}
重要字段說明：
entry_count：表中條目的個數(shù)。
sample_count: 連續(xù)相同時間長度的sample個數(shù)。
sample_delta：以timescale為單位的時間長度。
4.4 composition time to sample box（ctts）
這個box提供了decoding time到composition time的offset的表，用于計算pts。
這個表在Decoding time和composition time不一樣的情況下時必須的。
如果box的version等于0，decoding time必須小于等于composition time，因而差值用一個無符號的數(shù)字表示。
有以下公式：
注：CTTS(n)是未壓縮的表的第n個sample對應(yīng)的offset。
語法：
classCompositionOffsetBoxextendsFullBox(‘ctts’,version=0,0){unsignedint(32)entry_count;inti;if(version==0){for(i=0;i<entry_count;i++){unsignedint(32)sample_count;unsignedint(32)sample_offset;}}elseif(version==1){for(i=0;i<entry_count;i++){unsignedint(32)sample_count;signedint(32)sample_offset;}}}
主要字段說明：
sample_count：連續(xù)相同的offset的個數(shù)。
sample_offset：CT和DT之間的offset。
4.5 sync sample box(stss)
它包含media中的關(guān)鍵幀的sample表。如果此表不存在，說明每一個sample都是一個關(guān)鍵幀。
語法：
classSyncSampleBoxextendsFullBox(‘stss’,version=0,0){unsignedint(32)entry_count;int i;for(i=0;i<entry_count;i++){unsignedint(32)sample_number;}}
主要字段說明：
sample_number：媒體流中同步sample的序號。
4.6 Sample Size Box（stsz/stz2）
包含sample的數(shù)量和每個sample的字節(jié)大小，這個box相對來說體積比較大的。
語法：
classSampleSizeBoxextendsFullBox(‘stsz’,version=0,0){unsignedint(32)sample_size;unsignedint(32)sample_count;if(sample_size==0){for(i=1;i<=sample_count;i++){unsignedint(32)entry_size;}}}
主要字段說明：
sample_size：指定默認(rèn)的sample字節(jié)大小，如果所有sample的大小不一樣，這個字段為0。
sample_count：track中sample的數(shù)量。
entry_size：每個sample的字節(jié)大小。
Compact Sample SizeBox(stz2)：一種壓縮的sample大小存儲方式。
classCompactSampleSizeBoxextendsFullBox(‘stz2’,version=0,0){unsignedint(24)reserved=0;unisgnedint(8)field_size;unsignedint(32)sample_count;for(i=1;i<=sample_count;i++){unsignedint(field_size)entry_size;}}
field_size：指定表中條目的比特大小，取值為4、8或16。
(1) 如果使用值4，則每個字節(jié)存儲兩個sample的大小:
entry[i] << 4 + entry[i + 1]。
(2) 如果大小沒有填充滿整數(shù)個字節(jié)，則用最后一個字節(jié)未使用部分填充0。
sample_count是一個整數(shù)，它給出了下表中的條目數(shù)。
entry_size是一個整數(shù)，它指定一個sample的大小，并根據(jù)其編號進(jìn)行索引。
4.7 Sample To Chunk Box（stsc）
media中的sample被分為組成chunk。chunk可以有不同的大小，chunk內(nèi)的sample可以有不同的大小。
通過stsc中的sample-chunk映射表可以找到包含指定sample的chunk，從而找到這個sample。結(jié)構(gòu)相同的chunk可以聚集在一起形成一個entry，這個entry就是stsc映射表的表項。
語法：
classSampleToChunkBoxextendsFullBox(‘stsc’,version=0,0){unsignedint(32)entry_count;for(i=1;i<=entry_count;i++){unsignedint(32)first_chunk;unsignedint(32)samples_per_chunk;unsignedint(32)sample_description_index;}}
主要字段說明：
first_chunk：一組chunk的第一個chunk的序號。
chunk的編號從1開始。
samples_per_chunk：每個chunk有多少個sample。
sample_desc_idx：stsd 中sample desc信息的索引。
把一組相同結(jié)構(gòu)的chunk放在一起進(jìn)行管理，是為了壓縮文件大小。
用mp4box.js查看的stsc box的信息如下：
image.png
第一組chunk的first_chunk序號為1，每個chunk的sample個數(shù)為1，因為第二組chunk的first_chunk序號為2，可知第一組chunk中只有一個chunk。
第二組chunk的first_chunk序號為2，每個chunk的sample個數(shù)為2，因為第三組chunk的first_chunk序號為24，可知第二組chunk中有22個chunk，有44個sample。
4.8 Chunk Offset Box（stco/co64）
Chunk Offset表存儲了每個chunk在文件中的位置，這樣就可以直接在文件中找到媒體數(shù)據(jù)，而不用解析box。
需要注意的是一旦前面的box有了任何改變，這張表都要重新建立。
語法：
classChunkOffsetBoxextendsFullBox(‘stco’,version=0,0){unsignedint(32)entry_count;for(i=1;i<=entry_count;i++){unsignedint(32)chunk_offset;}}
主要字段說明：
chunk_offset：chunk在文件中的位置。
stco 有兩種形式，如果你的視頻過大的話，就有可能造成 chunkoffset 超過 32bit 的限制。所以，這里針對大 Video 額外創(chuàng)建了一個 co64 的 Box。它的功效等價于 stco，也是用來表示 sample 在 mdat box 中的位置。只是，里面 chunk_offset 是 64bit 的。
aligned(8)classChunkLargeOffsetBoxextendsFullBox(‘co64’,version=0,0){unsignedint(32)entry_count;for(i=1;i<=entry_count;i++){unsignedint(64)chunk_offset;}}
5. 其他box介紹
以下是ISO/IEC 14496-12:2015文檔給出的box的描述圖：
box.png
5.1 File Type Box(ftyp)
File Type Box一般在文件的開頭，用來指示該 mp4文件使用的標(biāo)準(zhǔn)規(guī)范。為了早期規(guī)范版本兼容，允許不包含ftyp box。
語法：
classFileTypeBoxextendsBox(‘ftyp’){unsignedint(32)major_brand;// is a brand identifierunsignedint(32)minor_version;// is an informative integer for the minor version of the major brandunsignedint(32)compatible_brands[];//is a list, to the end of the box, of brands}
沒有ftyp box的文件應(yīng)該處理成ftyp的major_brand為'mp41'，minor_version為0，compatible_brands只包含一個'mp41'。
5.2 Movie Box(moov)
Movie Box包含了文件媒體的metadata信息，“moov”是一個container box，具體內(nèi)容信息在其子box中。一般情況下，“moov”會緊隨著“ftyp”。
“moov”中包含1個“mvhd”和若干個“trak”。其中“mvhd”是header box，一般作為“moov”的第一個子box出現(xiàn)?！皌rak”包含了一個track的相關(guān)信息，是一個container box。
語法：
classMovieBoxextendsBox(‘moov’){}
5.3 Movie Header Box（mvhd）
語法：
class MovieHeaderBox extendsFullBox(‘mvhd’,version,0){if(version==1){unsignedint(64)creation_time;unsignedint(64)modification_time;unsignedint(32)timescale;unsignedint(64)duration;}else{// version==0unsignedint(32)creation_time;unsignedint(32)modification_time;unsignedint(32)timescale;unsignedint(32)duration;}templateint(32)rate=0x00010000;// typically 1.0templateint(16)volume=0x0100;// typically, full volumeconstbit(16)reserved=0;constunsignedint(32)[2]reserved=0;templateint(32)[9]matrix={0x00010000,0,0,0,0x00010000,0,0,0,0x40000000};// Unity matrixbit(32)[6]pre_defined=0;unsignedint(32)next_track_ID;}
主要字段含義：
version : box版本，0或1，一般為0。
creation time : 創(chuàng)建時間（相對于UTC時間1904-01-01零點的秒數(shù)）。
modification time : 修改時間 。
timescale : 文件媒體在1秒時間內(nèi)的刻度值，可理解為1秒長度的時間單元數(shù)。
duration : 該track的時間長度，用duration和time scale值可以計算track時長，比如audio track的time scale = 8000, duration = 560128，時長為70.016，video track的time scale = 600, duration = 42000，時長為70。
rate : 推薦播放速率，高16位和低16位分別為小數(shù)點整數(shù)部分和小數(shù)部分，即[16.16] 格式，該值為1.0（0x00010000）表示正常前向播放。
volume : 推薦播放音量，[8.8] 格式，1.0（0x0100）表示最大音量。
5.4 Track Box（trak）
Track Box是一個container box，其子box包含了該track的媒體數(shù)據(jù)引用和描述（hint track除外）。一個mp4文件可以包含多個track，且至少有一個track，track之間是獨立，有自己的時間和空間信息?！皌rak”必須包含一個“tkhd”和一個“mdia”，此外還有很多可選的box。其中“tkhd”為track header box，“mdia”為media box，該box是一個包含一些track媒體數(shù)據(jù)信息box的container box。
語法：
classTrackBoxextendsBox(‘trak’){}
5.5 Track Header Box（tkhd）
語法：
class TrackHeaderBox? ? extendsFullBox(‘tkhd’,version,flags){if(version==1){unsignedint(64)creation_time;unsignedint(64)modification_time;unsignedint(32)track_ID;constunsignedint(32)reserved=0;unsignedint(64)duration;}else{// version==0unsignedint(32)creation_time;unsignedint(32)modification_time;unsignedint(32)track_ID;constunsignedint(32)reserved=0;unsignedint(32)duration;}constunsignedint(32)[2]reserved=0;templateint(16)layer=0;templateint(16)alternate_group=0;templateint(16)volume={iftrack_is_audio0x0100else0};constunsignedint(16)reserved=0;templateint(32)[9]matrix={0x00010000,0,0,0,0x00010000,0,0,0,0x40000000};// unity matrixunsignedint(32)width;unsignedint(32)height;}
主要字段含義：
version : box版本，0或1，一般為0。
flags : 24-bit整數(shù)，按位或操作結(jié)果值，預(yù)定義的值(0x000001 ，track_enabled，表示track是有效的）、(0x000002，track_in_movie，表示該track在播放中被使用)、(0x000004，track_in_preview，表示track在預(yù)覽時被使用。
track id : track id號，不能重復(fù)且不能為0。
duration : track的時間長度，計量單位timescale在mvhd中。
volume : [8.8] 格式，如果為音頻track，1.0（0x0100）表示最大音量；否則為0。
width : 寬，[16.16] 格式值。
height : 高，[16.16] 格式值，不必與sample的像素尺寸一致，用于播放時的展示寬高。
5.6 Media Box（mdia）
Media Box也是個container box。
語法：
classMediaBoxextendsBox(‘mdia’){}
其子box的結(jié)構(gòu)和種類還是比較復(fù)雜的。
“mdia”定義了track媒體類型以及sample數(shù)據(jù)，描述sample信息。
一個“mdia”必須包含如下容器：
一個Media Header Atom(mdhd)
一個Handler Reference(hdlr)
一個media information(minf)和User Data
下面依次看一下這幾個box的結(jié)構(gòu)。
5.7 Media Header Box（mdhd）
mdhd 和 tkhd ，內(nèi)容大致都是一樣的。不過tkhd 通常是對指定的 track 設(shè)定相關(guān)屬性和內(nèi)容。而 mdhd 是針對于獨立的 media 來設(shè)置的。不過兩者一般都是一樣的。
語法：
class MediaHeaderBox extendsFullBox(‘mdhd’,version,0){if(version==1){unsignedint(64)creation_time;unsignedint(64)modification_time;unsignedint(32)timescale;unsignedint(64)duration;}else{// version==0unsignedint(32)creation_time;unsignedint(32)modification_time;unsignedint(32)timescale;unsignedint(32)duration;}bit(1)pad=0;unsignedint(5)[3]language;// ISO-639-2/T language codeunsignedint(16)pre_defined=0;}
主要字段含義：
version: box版本，0或1，一般為0。
timescale: 同mvhd中的timescale。
duration: track的時間長度。
language: 媒體語言碼。最高位為0，后面15位為3個字符（見ISO 639-2/T標(biāo)準(zhǔn)中定義）。
5.8 Handler Reference Box（hdlr）
“hdlr”解釋了媒體的播放過程信息，該box也可以被包含在meta box（meta）中。
語法：
classHandlerBoxextendsFullBox(‘hdlr’,version=0,0){unsignedint(32)pre_defined=0;unsignedint(32)handler_type;constunsignedint(32)[3]reserved=0;string name;}
主要字段含義：
handler type: 在media box中，該值為4個字符，會有以下取值:
‘vide’ Video track‘soun’ Audio track‘hint’ Hint track‘meta’ Timed Metadata track‘a(chǎn)uxv’ Auxiliary Video track
name:? human-readable name for the track
type，以‘\0’結(jié)尾的 UTF-8 字符串。用于調(diào)試后者檢查的目的。
5.9 Media Information Box（minf）
重要的容器 box，“minf”存儲了解釋track媒體數(shù)據(jù)的handler-specific信息，media handler用這些信息將媒體時間映射到媒體數(shù)據(jù)并進(jìn)行處理?！癿inf”是一個container box，其實際內(nèi)容由子box說明。
語法：
classMediaInformationBoxextendsBox(‘minf’){}
“minf”中的信息格式和內(nèi)容與媒體類型以及解釋媒體數(shù)據(jù)的media handler密切相關(guān)，其他media handler不知道如何解釋這些信息。
一般情況下，“minf”包含一個header box，一個“dinf”和一個“stbl”，其中，header box根據(jù)track type（即media handler type）分為“vmhd”、“smhd”、“hmhd”和“nmhd”，“dinf”為data information box，“stbl”為sample table box。下面分別介紹。
5.10 Media Information Header Box（vmhd、smhd、hmhd、nmhd）
vmhd、smhd這兩個box在解析時，非不可或缺的（有時候得看播放器），缺了的話，有可能會被認(rèn)為格式不正確。
Video Media Header Box（vmhd）
語法：
classVideoMediaHeaderBoxextendsFullBox(‘vmhd’,version=0,1){template unsignedint(16)graphicsmode=0;// copy, see belowtemplate unsignedint(16)[3]opcolor={0,0,0};}
主要字段含義：
graphics mode：視頻合成模式，為0時拷貝原始圖像，否則與opcolor進(jìn)行合成。
opcolor: 一組(red，green，blue)，graphics modes使用。
Sound Media Header Box（smhd）
語法：
classSoundMediaHeaderBoxextendsFullBox(‘smhd’,version=0,0){templateint(16)balance=0;constunsignedint(16)reserved=0;}
主要字段含義：
balance：立體聲平衡，[8.8] 格式值，一般為0表示中間，-1.0表示全部左聲道，1.0表示全部右聲道。
Hint Media Header Box（hmhd）
Null Media Header Box（nmhd）
非視音頻媒體使用該box。
5.11 Data Information Box（dinf）
“dinf”解釋如何定位媒體信息，是一個container box。
語法：
classDataInformationBoxextendsBox(‘dinf’){}
“dinf”一般包含一個“dref”(data reference box)。
“dref”下會包含若干個“url”或“urn”，這些box組成一個表，用來定位track數(shù)據(jù)。簡單的說，track可以被分成若干段，每一段都可以根據(jù)“url”或“urn”指向的地址來獲取數(shù)據(jù)，sample描述中會用這些片段的序號將這些片段組成一個完整的track。一般情況下，當(dāng)數(shù)據(jù)被完全包含在文件中時，“url”或“urn”中的定位字符串是空的。
“dref”的語法：
classDataEntryUrlBox(bit(24)flags)extendsFullBox(‘url ’,version=0,flags){string location;}classDataEntryUrnBox(bit(24)flags)extendsFullBox(‘urn ’,version=0,flags){string name;string location;}classDataReferenceBoxextendsFullBox(‘dref’,version=0,0){unsignedint(32)entry_count;for(i=1;i<=entry_count;i++){DataEntryBox(entry_version,entry_flags)data_entry;}}
主要字段含義：
entry count：“url”或“urn”表的元素個數(shù)。
entry_version：entry格式的版本。
entry_flags：當(dāng)“url”或“urn”的box flag為1時，表示數(shù)據(jù)在該文件的Moov
Box中。
“url”或“urn”都是box，“url”的內(nèi)容為location字符串，“urn”的內(nèi)容為名稱字符串和location字符串。
6. 實用技術(shù)
6.1 moov移到mdat前面
ffmpeg默認(rèn)情況下生成moov是在mdat寫完成之后再寫入，所以moov是在mdat的后面，使用faststart參數(shù)可以將moov移到mdat前面。
./ffmpeg-i demo.flv-ccopyoutput.mp4
moov在mdat后面
image.png
使用faststart參數(shù)
ffmpeg -i out.flv -c copy -movflags faststart out2.mp4
moov在mdat前面
image.png
6.2 如何實現(xiàn)seek
stbl.png
例如，我們需要seek到30s。
需要做如下工作：
使用timescale將目標(biāo)時間標(biāo)準(zhǔn)化。timescale為90000，30*90000=2700000。
通過time-to-sample box找到指定track的給定時間之前的第一個sample number。2700000/3000 = 900。
通過sync sample table查詢sample number之前的第一個sync sample。對應(yīng)為795的sample。
通過sample-to-chunk table查找到對應(yīng)的chunk number。
對應(yīng)的chunk號假設(shè)是400。
通過chunk offset box查找到對應(yīng)chunk在文件中的起始偏移量。第14個chunk的offset是3481072。
最后使用sample-to-chunk box和sample size box的信息計算出該chunk中需要讀取的sample在文件中的起始偏移量，即完成seek。
7. 開源軟件
gpac：開源的多媒體工具包，包括用于MP4打包的mp4box等。
mp4v2：提供了API來創(chuàng)建和修改mp4文件。
注意：window下用Binary Viewer查看二進(jìn)制文件
鏈接：http://www.itdecent.cn/p/529c3729f357
