标准mp4文件格式详细解析

mp4 文件格式解析（一）

(2010-09-01 17:55:04)

转载原文

标签：

http://

blog.sina.c

om.cn/s/

blog_4646

 目前 MP4 的概念被炒得很火，也很乱。最开始 MP4 指的是音频（MP3 的升级版），即

MPEG-2 AAC 标准。随后 MP4 概念被转移到视频上，对应的是 MPEG-4 标准。而现在我们

流行的叫法，多半是指能播放 MPEG-4 标准编码格式视频的播放器。但是这篇文章介绍的

内容跟上面这些都无关，我们要讨论的是 MP4 文件封装格式，对应的标准为 ISO/IEC

14496-12，即信息技术 视听对象编码的第 12 部分：ISO 基本媒体文件格式（Information

technology Coding of audio-visual objects Part 12: ISO base media file format）。 ISO/IEC 组

织指定的标准一般用数字表示，ISO/IEC 14496 即 MPEG-4 标准。

 MP4 视频文件封装格式是基于 QuickTime 容器格式定义的，因此参考 QuickTime 的格式

定义对理解 MP4 文件格式很有帮助。MP4 文件格式是一个十分开放的容器，几乎可以用来

描述所有的媒体结构，MP4 文件中的媒体描述与媒体数据是分开的，并且媒体数据的组织

件由若干个 box 组成，每个 box 有类型和长度，可以将 box 理解为一个数据对象块。box

中可以包含另一个 box，这种 box 称为 container box。一个 MP4 文件首先会有且只有

一个“ftyp”类型的 box，作为 MP4 格式的标志并包含关于文件的一些信息；之后会有且

只有一个“moov”类型的 box（Movie Box），它是一种 container box，子 box 包含了

媒体的 metadata 信息；MP4 文件的媒体数据包含在“mdat”类型的 box（Midia Data

Box）中，该类型的 box 也是 container box，可以有多个，也可以没有（当媒体数据全

部引用其他文件时），媒体数据的结构由 metadata 进行描述。

 下面是一些概念：

 track 表示一些 sample 的集合，对于媒体数据来说，track 表示一个视频或音频序

列。

 chunk 一个 track 的几个 sample 组成的单元。

 在本文中，我们不讨论涉及 hint 的内容，只关注包含媒体数据的本地 MP4 文件。下图

为一个典型的 MP4 文件的结构树。

2、Box

首先需要说明的是，box 中的字节序为网络字节序，也就是大端字节序（Big-

Endian），简单的说，就是一个 32 位的 4 字节整数存储方式为高位字节在内存的低端。

Box 由 header 和 body 组成，其中 header 统一指明 box 的大小和类型，body 根据类

型有不同的意义和格式。

标准的 box 开头的 4 个字节（32 位）为 box size，该大小包括 box header 和 box

3、File Type Box（ftyp）

4、Movie Box（moov）

“mvhd”和若干个“trak”。其中“mvhd”为 header box，一般作为“moov”的第一个子