解析 MP4 文件读取信息
共 1771字，需浏览 4分钟
· 2022-06-19
在之前文章中已经介绍过了 MP4 标准的来源以及它的格式定义，基本上就是由一个个 Box 组成的，大致的结构如下：
ftyp
moov
mvhd
trak
tkhd
mdia
trak
tkhd
mdia
mdat
之前文章：
接下来我们就要去手动解析 MP4 文件，注意这可不是用 FFmpeg 来解封装，而是从 MP4 文件中一个一个字节读取信息并解析它的含义获得想要的内容。
平常一看到后缀是 .mp4 的文件，脑海里一想到的就是视频，但其实不管后缀如何，它也还是一个二进制文件，可以按照二进制的方式进行读取和写入。
解析 MP4 文件获取信息
举个例子，在 Mac 上用 010 Editor 软件去查看一个 MP4 文件，以 16 进制显示，效果如下：
从图中箭头指示处可以看到 ftyp 和 mvhd 两个 Box 类型，另外也还有 moov 和 tkhd 这些 Box 类型。
之所以能够显示出 Box 类型的字符串，是因为把十六进制数据转换成 ASCII 码了，比如 61 对应就是字母 a ，这应该在计算机基础书中都有讲过的。
在 mvhd Box中存储着视频文件的时长信息，想要获取到这个信息，直接从 Box 中读取就好，至于为什么会这样，见下图：
上图展示了 mvhd Box 的数据结构，它继承自 FullBox，在读取时先读取 FullBox 的字段，然后在读取 mvhd Box 自己的（取 version == 0 时的数据结构排布）。
关于 mvhd box 和 full box 的数据结构文档以及 MP4 中所有 Box 的类型资料，已经在知识星球中给出了，可以加入星球在资料中找到，文末有优惠券。
FullBox 的数据结构如上所示，由字节位数可以算出，在 box type 之后偏移 12 字节可以得到 timescale 字段内容，偏移 16 字节可以得到 duration 字段内容。
其中 timescale 为 0x000003E8，对应十进制数据 1000 。
duration 为 0x000086E6，对应十进制数据 34534。
用 duration 除以 timescale 就是视频的时长了，十六进制相除后的结果是 0x22，转换成十进制就是 34，和用十进制数据相除得到的 34.534 基本一致了（时长单位是秒）。
以上只是个简单例子，说明完全可以去手动解析 MP4 文件获取它的格式信息。
而且在这个层面上还有一些独特的用法：比如我们要想提取视频中的某个 Box 信息，或者想要填充自定义的 Box 格式，携带一些私有数据，在播放时再把它解析出来做处理。
在接下来的文章，我们就会去实践手动解析 MP4 文件，逐一拆解每个 Box 格式，发掘其背后的另一种用法，加强对音视频的处理能力。
最后欢迎大家加入 音视频开发进阶 知识星球 ，这里有知识干货、编程答疑、开发教程，还有很多精彩分享。
更多内容可以在星球菜单中找到，随着时间推移，干货也会越来越多！！！
给出 10元 优惠券，涨价在即，目前还是白菜价，基本上提几个问题就回本，投资自己就是最好的投资！！！
加我微信 ezglumes ，拉你进技术交流群
推荐阅读：
觉得不错，点个在看呗~
