将H264和AAC封装成FLV

FLV官方标准文档
http://download.macromedia.com/f4v/video_file_format_spec_v10_1.pdf

FLV是一个二进制文件，FLV Header和FLV Body构成。

FLV Header一般有9个字节，前3个字节是”FLV”，即0x46 0x4c 0x56。

第4个字节是版本号，目前一般是0x01。

第5个字节的前五位保留为0当有音频时第六位置1第七位保留为0当有视频时第八位置1。

第6到9字节为FLV Header的长度，一般为9。

FLVBody由一连串的PreviousTagSize+Tag构成。PreviousTagSize表示前一个Tag的长度，一共占4字节。Tag有三种类型，分别是VideoTag、AudioTag、ScriptsTag。ScriptsTag总是第一个tag，并且只有一个。每个Tag都有TagHeader和TagData。

1、TagHeader占11个字节。

image.png

2、ScriptsTagData中包含2个AMF Packet。第一个AMF Packet包含13个字节是固定的。

image.png

第二个AMF Packet包含了很多音视频的信息，比如，视频长度、比特率、甚至关键帧索引等信息。它开头是1个字节的AMF包类型，一般是0x08，表示数组。第2-5个字节表示数组的个数。再后面就是metadata数组了。最后会有3个字节的结束符(0x0 0x0 0x9)。

3、VideoTagData包含VideoHeader和VideoData。

VideoHeader第一个字节是video info。前4bit表示视频数据帧的类型，后4bit表示编码器的类型。

如果是H264的视频，则VideoHeader还要多4个字节。包含1个字节的avc_packet_type和3个字节的composition_time。

avc_packet_type：0x0表示avc sequence header，0x01表示NALU。

VideoData需要完整的一帧的数据，而在RTP传输中，由于一帧数据太大，不利于传输，在传输时会对一帧进行分片。所以在这里需要将接收到的FU_A的NALU转换成原始的NALU，然后将多个NALU组成完成的一帧视频数据，存入VideoData中。至此VideoTagData就封装完成了。

4、AudioTagData也包含AudioHeader和AudioData。

AudioHeader第一个字节是audio info。前4bit是音频格式，第5-6bit是采样率，第7bit是采样精度，第8bit是声道数。如果音频格式是AAC的则还要多一个字节的aac_packt_type。

aac_packt_type：0x0表示AAC Sequence Header，0x01表示AAC Raw。

AAC一帧数据通常较小，在RTP传输中，每次都是一个包一帧数据，不像H264视频需要分开。所以取出RTP中的音频数据，加上ADTS头就可以直接放入AudioData。至此AudioTagData就封装完成了。

备注：
FLV存储的都是大端数据，所以需要把小端数转成大端数再写入文件中。