1.FLV文件整体结构

FLV文件由FLV header和FLV body组成，FLV body由一系列的FLV tags组成，如下图所示

tag又可以分成三类:audio,video,script，分别代表音频流，视频流，脚本流，而每个tag又由tag header和tag data组成。每个Tag前面还包含了Previous Tag Size字段，表示前面一个Tag的大小。整个FLV文件的详细的组成如下图所示

2.Audio Tag Data结构

音频tag开始的第1个字节包含了音频数据的参数信息，从第2个字节开始为音频流数据。结构如下图所示

音频tag的第一个字节的前4位代表音频编码类型，各个取值的含义如下

第5-6位代表音频采样率，各取值的含义如下：

 第7位代表音频采样精度，各取值的含义如下

第8位代表音频的声道数，各取值含义如下：

从第2个字节开始就为音频数据

 如果音频数据编码格式为AAC

3.Video Tag Data结构

视频Tag也用开始的第1个字节包含视频数据的参数信息，从第2个字节为视频流数据。结构如下图所示

第1个字节的前4位表示帧类型，各个取值的含义如下：

后4位表示视频编码类型，各个取值的含义如下：

从第二个字节开始就是视频数据

如果视频为AVC

4.Script Tag Data结构（控制帧）

该类型Tag又通常被称为Metadata Tag，会放一些关于FLV视频和音频的元数据信息如：duration、width、height等。通常该类型Tag会跟在File Header后面作为第一个Tag出现，而且只有一个。结构如下图所示

第一个AMF包：第1个字节表示AMF包类型，一般总是0x02，表示字符串。第2-3个字节为UI16类型值，标识字符串的长度，一般总是0x000A（“onMetaData”长度）。后面字节为具体的字符串，一般总为“onMetaData”（6F,6E,4D,65,74,61,44,61,74,61）。

第二个AMF包：第1个字节表示AMF包类型，一般总是0x08，表示数组。第2-5个字节为UI32类型值，表示数组元素的个数。后面即为各数组元素的封装，数组元素为元素名称和值组成的对。常见的数组元素如下：

参考资料：

http://blog.csdn.net/leixiaohua1020/article/details/17934487

flv_video_file_format_specification _v10.pdf