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。