Python怎么實現(xiàn)FLV視頻拼接功能

這篇文章將為大家詳細(xì)講解有關(guān)Python怎么實現(xiàn)FLV視頻拼接功能，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

文章摘要

本文簡單說明了FLV文件的格式，以此為出發(fā)點，使用 Python 實現(xiàn)FLV視頻的拼接。

一.FLV文件格式

關(guān)于FLV文件格式的解析網(wǎng)上有諸多文章，在這里就簡單介紹一下需要了解的部分，以便讀者更好地明白各段代碼的功能。

FLV文件是由文件頭(Header)和文件體(Body)按順序拼接而成。審查FLV內(nèi)容時，以二進(jìn)制方式讀取內(nèi)容。

Header：文件頭表明了文件的封裝格式為FLV，存儲對象為音頻、視頻或兩者。
以下為FLV文件的Header，共 9 個字節(jié)：

b'FLV\x01\x05\x00\x00\x00\t'
前 3 個字節(jié)(FLV)說明這是一個FLV文件
第 4 個字節(jié)(\x01)為版本號，固定為 1
第 5 個字節(jié)(\x05)表明存儲對象，需將其轉(zhuǎn)化成二進(jìn)制(00000101)查看，左、右邊的 1 分別表示文件含有音頻和視頻
后 4 個字節(jié)(\x00\x00\x00\t)表示文件頭的長度，其值固定為 9

Body：文件體由若干個 Tag 組成，除了第一個，每個 Tag 是由頭部( 11 字節(jié))、主體(不定長)和尾部( 4 字節(jié))組成。第一個 Tag 只有尾部。

Tag 又分為 3 類，腳本(scripts)、音頻(audio)和視頻(video)。通常第 2 個 Tag 為腳本類型，且只有一個，后續(xù)的都是音視頻類型。

以下為腳本 Tag 的部分，作為示例介紹一下：

頭部：b'\x12\x00\tb\x00\x00\x00\x00\x00\x00\x00'
第 1 個字節(jié)(\x12)表示 Tag 類型，腳本類型的對應(yīng)值為 18 ，音頻為 8 ，視頻為 9
第 2-4 個字節(jié)(\x00\tb)表示 Tag 主體的長度，此處為 2402
第 5-7 個字節(jié)(\x00\x00\x00)為時間戳，腳本類型的時間戳通常為 0
第 8 個字節(jié)(\x00)是時間戳的擴(kuò)展，當(dāng)前 3 個字節(jié)不夠用時會用這個字節(jié)當(dāng)作大端
后 3 個字節(jié)(\x00\x00\x00)是 Stream id，固定為 0

主體：腳本 Tag 的主體包含F(xiàn)LV視頻的基本信息，如時長、大小、分辨率等，比較復(fù)雜，在此不作介紹

尾部：b'\x00\x00\tm'

固定 4 字節(jié)，表示 Tag 頭部加主體的長度，即 11 + 2402 = 2413

二.FLV視頻拼接

將多個FLV視頻合成一個可以正常播放的視頻，便足夠滿足大部分的需求。因此，在接下來的拼接過程中，不會對FLV進(jìn)行細(xì)致入微的調(diào)整，達(dá)到基本要求即可。

設(shè)置閱讀器

閱讀器可以使我們很方便地讀取文件內(nèi)容。

class Reader():
  def __init__(self, content): # content (bytes):FLV文件的二進(jìn)制內(nèi)容
    self.content = content
    self.start = 0
    self.eof = False # 判斷是否已讀完全部內(nèi)容
    self.length = len(self.content)
    
  def read(self, n=1):
    # 設(shè)置 if 語句防止過度讀取內(nèi)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文件寫入 Header 和 Tag

在這里假設(shè)要拼接的視頻基本信息相似，即都含有音視頻，分辨率、碼率等相同或相近。

為了生成一個可以正常播放的FLV視頻，Header 和 Tag 是必不可少的。我們可以選取第一個FLV的文件頭寫入新建FLV中，然后依次將修改過時間戳的 Tag 寫入其中，便可達(dá)到拼接目的。

def add_flv(flv, target, videoTimeStamp, audioTimeStamp): # 修改并添加 Tag 的函數(shù)
  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: # 一直讀取直到讀完，此時 reader.eof = True
      dataType = reader.read(1)
      dataSize = reader.read(3)
      timeStamp = int.from_bytes(reader.read(3), 'big') # 將 3 字節(jié)轉(zhuǎn)換成整數(shù)
      headerRemained = reader.read(4)
      if dataType == b'\t': # 視頻
        timeStamp += videoTimeStamp
        videoTS = timeStamp
      if dataType == b'\x08': # 音頻
        timeStamp += audioTimeStamp
        audioTS = timeStamp
      timeStamp = timeStamp.to_bytes(3, 'big') # 將整數(shù)轉(zhuǎn)換成 3 字節(jié)
      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): # 主函數(shù)
  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: # 寫入第 1 個FLV視頻的文件頭
      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'] # 視頻大小：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 個共 178MB視頻用時 0.88 秒。

總結(jié)

FLV文件格式還是比較簡明的，對數(shù)據(jù)的要求也是比較寬松的，即便沒有對 Scripts 里的參數(shù)作調(diào)整，拼接后的視頻依然能夠正常播放。

不過，拼接的視頻是有不少隱形問題，如到視頻末尾可能會出現(xiàn)音畫不同步( 0.5 秒左右)的現(xiàn)象，以及不能夠方便地分離出完整的視頻和音頻。

關(guān)于“Python怎么實現(xiàn)FLV視頻拼接功能”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。