Python实现FLV视频拼接功能
文章摘要
本文简单说明了FLV文件的格式，以此为出发点，使用 Python 实现FLV视频的拼接。
一.FLV文件格式
关于FLV文件格式的解析网上有诸多文章，在这里就简单介绍一下需要了解的部分，以便读者更好地明白各段代码的功能。
FLV文件是由文件头(Header)和文件体(Body)按顺序拼接而成。审查FLV内容时，以二进制方式读取内容。
Header：文件头表明了文件的封装格式为FLV，存储对象为音频、视频或两者。
以下为FLV文件的Header，共 9 个字节：
b'FLV\x01\x05\x00\x00\x00\t'
前 3 个字节(FLV)说明这是一个FLV文件
第 4 个字节(\x01)为版本号，固定为 1
第 5 个字节(\x05)表明存储对象，需将其转化成二进制(00000101)查看，左、右边的 1 分别表示文件含有音频和视频
后 4 个字节(\x00\x00\x00\t)表示文件头的长度，其值固定为 9
Body：文件体由若干个 Tag 组成，除了第一个，每个 Tag 是由头部( 11 字节)、主体(不定长)和尾部( 4 字节)组成。第一个 Tag 只有尾部。
Tag 又分为 3 类，脚本(scripts)、音频(audio)和视频(video)。通常第 2 个 Tag 为脚本类型，且只有一个，后续的都是音视频类型。
以下为脚本 Tag 的部分，作为示例介绍一下：
头部：b'\x12\x00\tb\x00\x00\x00\x00\x00\x00\x00'
第 1 个字节(\x12)表示 Tag 类型，脚本类型的对应值为 18 ，音频为 8 ，视频为 9
第 2-4 个字节(\x00\tb)表示 Tag 主体的长度，此处为 2402
第 5-7 个字节(\x00\x00\x00)为时间戳，脚本类型的时间戳通常为 0
第 8 个字节(\x00)是时间戳的扩展，当前 3 个字节不够用时会用这个字节当作大端
后 3 个字节(\x00\x00\x00)是 Stream id，固定为 0
主体：脚本 Tag 的主体包含FLV视频的基本信息，如时长、大小、分辨率等，比较复杂，在此不作介绍
尾部：b'\x00\x00\tm'
固定 4 字节，表示 Tag 头部加主体的长度，即 11 + 2402 = 2413
二.FLV视频拼接
将多个FLV视频合成一个可以正常播放的视频，便足够满足大部分的需求。因此，在接下来的拼接过程中，不会对FLV进行细致入微的调整，达到基本要求即可。
设置阅读器
阅读器可以使我们很方便地读取文件内容。
class Reader(): def __init__(self, content): # content (bytes):FLV文件的二进制内容 self.content = content self.start = 0 self.eof = False # 判断是否已读完全部内容 self.length = len(self.content) def read(self, n=1): # 设置 if 语句防止过度读取内容 if self.length > (self.start + n): out = self.content[self.start:self.start + n] self.start += n else: out = self.content[self.start:] self.eof = True return out
向新建FLV文件写入 Header 和 Tag
在这里假设要拼接的视频基本信息相似，即都含有音视频，分辨率、码率等相同或相近。
为了生成一个可以正常播放的FLV视频，Header 和 Tag 是必不可少的。我们可以选取第一个FLV的文件头写入新建FLV中，然后依次将修改过时间戳的 Tag 写入其中，便可达到拼接目的。
def add_flv(flv, target, videoTimeStamp, audioTimeStamp): # 修改并添加 Tag 的函数 with open(flv, 'rb') as f: content = f.read() reader = Reader(content) header = reader.read(13) with open(target, 'ab') as f: while not reader.eof: # 一直读取直到读完，此时 reader.eof = True dataType = reader.read(1) dataSize = reader.read(3) timeStamp = int.from_bytes(reader.read(3), 'big') # 将 3 字节转换成整数 headerRemained = reader.read(4) if dataType == b'\t': # 视频 timeStamp += videoTimeStamp videoTS = timeStamp if dataType == b'\x08': # 音频 timeStamp += audioTimeStamp audioTS = timeStamp timeStamp = timeStamp.to_bytes(3, 'big') # 将整数转换成 3 字节 tagHeader = dataType + dataSize + timeStamp + headerRemained tagData_andSize = reader.read(int.from_bytes(dataSize, 'big') + 4) f.write(tagHeader) f.write(tagData_andSize) return videoTS, audioTS def merge_flv(flvs, target): # 主函数 videoTS = 0 audioTS = 0 for i, flv in enumerate(flvs): with open(flv, 'rb') as f: content = f.read() reader = Reader(content) header = reader.read(13) # flvHeader + tagSize0 if i == 0: # 写入第 1 个FLV视频的文件头 with open(target, 'wb') as f: f.write(header) videoTS, audioTS = add_flv(flv, target, videoTS, audioTS)
拼接
import time
since = time.time()
flvs = ['m1.flv', 'm2.flv', 'm3.flv', 'm4.flv'] # 视频大小：45MB，20MB，59MB，54MB
target = 't.flv'
merge_flv(flvs, target)
end = time.time()
print('Merging flvs takes {:.2f} s'.format(end - since))
# Merging flvs takes 0.88 s可以看到，拼接 4 个共 178MB视频用时 0.88 秒。
总结
FLV文件格式还是比较简明的，对数据的要求也是比较宽松的，即便没有对 Scripts 里的参数作调整，拼接后的视频依然能够正常播放。
不过，拼接的视频是有不少隐形问题，如到视频末尾可能会出现音画不同步( 0.5 秒左右)的现象，以及不能够方便地分离出完整的视频和音频。
