课程目标
学习如何使用 FFmpeg 打开和读取媒体文件的基本信息，理解 AVFormatContext 的作用。
封装格式简介
在开始之前，先简单了解一下封装格式。
我们常见的视频文件（如 .mp4、.mkv、.avi）都是封装格式，它们把视频、音频、字幕等数据打包在一起。可以简单理解为：封装格式是"盒子"，里面装着编码后的视频和音频数据。
封装格式 vs 编码格式：
- 封装格式（如 MP4、MKV）：决定如何打包和组织数据
- 编码格式（如 H.264、AAC）：决定如何压缩数据
举个例子，一个 .mp4 文件可能包含 H.264 编码的视频和 AAC 编码的音频，MP4 负责把它们打包在一起，并提供同步、元数据等功能。
常见的封装格式有 MP4（兼容性好）、MKV（支持多音轨）、FLV（流媒体）等。FFmpeg 可以处理这些格式，我们只需要知道如何打开和读取它们即可。
知识点
1. AVFormatContext 结构体
AVFormatContext 是 FFmpeg 中表示媒体文件格式上下文的核心结构体，包含了媒体文件的所有信息。
主要字段：
iformat：输入格式（如 MP4、MKV 等）nb_streams：流的数量streams：流数组duration：文件时长（以时间基为单位，通常是所有流中最长的时长）bit_rate：总码率（所有流的码率之和）
重要提示：容器级别 vs 流级别的时长和码率
容器级别（AVFormatContext）的时长和码率与单个流的时长和码率可能不一致：
-
时长差异：
- 容器时长：通常是所有流中最长的时长（例如视频流时长）
- 流时长：每个流有自己的时长，可能略有差异（特别是音频和视频的同步问题）
- 示例：视频流可能是 11.41 秒，音频流可能是 11.40 秒，容器时长取 11.41 秒
-
码率差异：
- 容器总码率：所有流的码率之和（视频码率 + 音频码率 + 其他流码率）
- 流码率：单个流的码率
- 示例：视频码率 2260 kbps + 音频码率 253 kbps ≈ 总码率 2517 kbps
-
如何获取单个流的时长和码率：
AVStream* video_stream = fmt_ctx->streams[video_index]; // 流的时长（以流的时间基为单位） int64_t stream_duration = video_stream->duration; // 转换为秒：stream_duration * av_q2d(video_stream->time_base) // 流的码率 int64_t stream_bitrate = video_stream->codecpar->bit_rate;
2. 媒体文件格式识别
FFmpeg 可以自动识别多种媒体文件格式：
- 视频格式：MP4、MKV、AVI、MOV、FLV 等
- 音频格式：MP3、AAC、WAV、FLAC 等
- 流媒体格式：RTMP、HLS、RTSP 等
3. 错误处理机制
FFmpeg 使用返回值表示操作结果：
0：成功- 负数：错误码（使用
av_strerror转换为错误信息） AVERROR_EOF：文件结束
实践内容
实践1：打开本地视频文件
API： avformat_open_input
AVFormatContext* fmt_ctx = nullptr;
const char* filename = "test.mp4";
int ret = avformat_open_input(&fmt_ctx, filename, nullptr, nullptr);
if (ret == 0) {
// 成功打开
LOG("Format: %s", fmt_ctx->iformat->name);
avformat_close_input(&fmt_ctx);
} else {
// 处理错误
char errbuf[AV_ERROR_MAX_STRING_SIZE];
av_strerror(ret, errbuf, AV_ERROR_MAX_STRING_SIZE);
LOG("Error: %s", errbuf);
}
关键点：
- 第一个参数是
AVFormatContext**，函数会分配内存 - 第四个参数是
AVDictionary*，可以传递选项（如超时时间） - 使用完后必须调用
avformat_close_input释放资源
实践2：读取媒体文件基本信息
API： avformat_find_stream_info
// 先打开文件
avformat_open_input(&fmt_ctx, filename, nullptr, nullptr);
// 获取流信息（这一步会读取文件头，获取准确的时长等信息）
int ret = avformat_find_stream_info(fmt_ctx, nullptr);
if (ret >= 0) {
// 获取时长（秒）
double duration = (double)fmt_ctx->duration / AV_TIME_BASE;
LOG("Duration: %.2f seconds", duration);
// 获取码率
LOG("Bitrate: %lld bps", fmt_ctx->bit_rate);
// 获取流数量
LOG("Streams: %u", fmt_ctx->nb_streams);
}
关键点：
avformat_find_stream_info会读取文件头，可能需要一些时间duration的单位是AV_TIME_BASE（微秒），需要除以AV_TIME_BASE得到秒- 如果
duration是AV_NOPTS_VALUE，表示时长未知
注意：容器时长 vs 流时长
容器级别的 duration 和单个流的时长可能不同：
// 容器级别的时长（所有流中最长的）
double container_duration = (double)fmt_ctx->duration / AV_TIME_BASE;
// 获取视频流的时长
int video_index = -1;
for (unsigned int i = 0; i < fmt_ctx->nb_streams; i++) {
if (fmt_ctx->streams[i]->codecpar->codec_type == AVMEDIA_TYPE_VIDEO) {
video_index = i;
break;
}
}
if (video_index >= 0) {
AVStream* video_stream = fmt_ctx->streams[video_index];
// 流的时长（以流的时间基为单位）
double stream_duration = video_stream->duration * av_q2d(video_stream->time_base);
LOG("Container duration: %.2f seconds", container_duration);
LOG("Video stream duration: %.2f seconds", stream_duration);
// 两者可能略有差异（通常差异很小，在几毫秒到几十毫秒之间）
}
注意：容器码率 vs 流码率
容器级别的 bit_rate 是总码率，等于所有流的码率之和：
// 容器级别的总码率
int64_t container_bitrate = fmt_ctx->bit_rate;
// 获取各个流的码率
for (unsigned int i = 0; i < fmt_ctx->nb_streams; i++) {
AVStream* stream = fmt_ctx->streams[i];
int64_t stream_bitrate = stream->codecpar->bit_rate;
const char* stream_type = (stream->codecpar->codec_type == AVMEDIA_TYPE_VIDEO) ? "Video" : "Audio";
LOG("%s stream bitrate: %lld bps", stream_type, stream_bitrate);
}
// 验证：总码率 ≈ 视频码率 + 音频码率 + 其他流码率
// 注意：由于编码器设置、容器开销等因素，可能不完全相等
实践3：打印详细的媒体信息
API： av_dump_format
avformat_open_input(&fmt_ctx, filename, nullptr, nullptr);
avformat_find_stream_info(fmt_ctx, nullptr);
// 打印详细信息（输出到 stderr）
av_dump_format(fmt_ctx, 0, filename, 0);
参数说明：
- 第一个参数：
AVFormatContext*- 格式上下文 - 第二个参数：流索引（0 表示整个文件，>0 表示特定流）
- 第三个参数：URL 或文件名（用于显示，不影响功能）
- 第四个参数：是否为输出（0=输入，1=输出）
工作原理：
av_dump_format 会遍历 AVFormatContext 中的所有信息并格式化输出，包括：
-
文件级别信息：
- 输入格式名称（如
mov,mp4,m4a,3gp,3g2,mj2） - 文件路径/URL
- 元数据（Metadata）：如
major_brand、creation_time等 - 总时长（Duration）
- 起始时间（start）
- 总码率（bitrate）
- 输入格式名称（如
-
流级别信息（每个流一行）：
- 流索引和 ID
- 编码器信息（如
h264 (High)、aac (LC)） - 编码器 ID（如
avc1、mp4a） - 视频：分辨率、像素格式、颜色空间、码率、帧率
- 音频：采样率、声道数、采样格式、码率
- 流的元数据（如
creation_time、handler_name）
-
输出位置：
- 输出到
stderr（标准错误流），不是stdout - 格式类似
ffprobe或ffmpeg -i的输出
- 输出到
示例输出解析：
Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'test/resources/test-video-1280x720.MP4':
Metadata:
major_brand : mp42 # 主要品牌标识
minor_version : 0 # 次要版本
compatible_brands: mp42mp41isomavc1 # 兼容的品牌
creation_time : 2021-04-30T06:55:38.000000Z # 创建时间
Duration: 00:00:11.41, start: 0.000000, bitrate: 2517 kb/s
Stream #0:0[0x1](und): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709, progressive), 1280x720, 2260 kb/s, 30 fps, 30 tbr, 30 tbn (default)
# 流 #0:0 - 视频流
# [0x1] - 流 ID
# (und) - 语言代码（und = undefined）
# h264 (High) - 编码器和 profile
# avc1 - 编码器 ID（FourCC）
# yuv420p - 像素格式
# 1280x720 - 分辨率
# 2260 kb/s - 视频码率
# 30 fps - 帧率
Stream #0:1[0x2](und): Audio: aac (LC) (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 253 kb/s (default)
# 流 #0:1 - 音频流
# aac (LC) - 编码器和 profile
# 48000 Hz - 采样率
# stereo - 声道（立体声）
# fltp - 采样格式（浮点平面）
为什么需要先调用 avformat_find_stream_info？
av_dump_format 需要完整的流信息才能打印详细信息。如果只调用 avformat_open_input，只能打印基本信息，流信息会显示为未知。
实践4：处理打开文件失败的情况
AVFormatContext* fmt_ctx = nullptr;
int ret = avformat_open_input(&fmt_ctx, "non_existent.mp4", nullptr, nullptr);
if (ret < 0) {
char errbuf[AV_ERROR_MAX_STRING_SIZE];
av_strerror(ret, errbuf, AV_ERROR_MAX_STRING_SIZE);
LOG("Failed to open: %s", errbuf);
// 常见错误码：
// AVERROR(ENOENT) - 文件不存在
// AVERROR(EIO) - IO 错误
// AVERROR_INVALIDDATA - 数据无效
}
运行测试
编译项目
在运行测试前，需要先编译项目：
cmake --build build/Release
运行所有第2课的测试
# 注意：在 zsh 中需要用引号包裹参数，避免 * 被解释为通配符
./build/Release/unit-test --gtest_filter="Lesson2_Format.*"
运行直接使用 API 的测试
./build/Release/unit-test --gtest_filter="Lesson2_Format.*DirectAPI"
编译并运行（推荐）
一条命令完成编译和运行：
cmake --build build/Release && ./build/Release/unit-test --gtest_filter="Lesson2_Format.*"
常见问题
Q1: 为什么 duration 是 0？
A: 需要在 avformat_open_input 后调用 avformat_find_stream_info 才能获取准确的时长。
Q2: 如何设置打开文件的超时时间？
A: 使用 AVDictionary 传递选项：
AVDictionary* opts = nullptr;
av_dict_set(&opts, "timeout", "5000000", 0); // 5秒超时（微秒）
avformat_open_input(&fmt_ctx, filename, nullptr, &opts);
av_dict_free(&opts);
Q3: 如何判断文件格式？
A: 打开文件后，通过 fmt_ctx->iformat->name 获取格式名称。
Q4: 为什么容器级别的时长和单个流的时长不一致？
A: 这是正常现象，原因如下：
- 容器时长：通常是所有流中最长的时长（例如视频流时长）
- 流时长：每个流有自己的时长，可能略有差异
- 视频流和音频流的时长可能因为同步问题略有不同（通常差异在几毫秒到几十毫秒）
- 某些流可能提前结束（例如字幕流）
- 实际应用：通常使用容器时长作为文件总时长，使用流时长进行精确的同步控制
Q5: 为什么容器级别的码率和单个流的码率不一致？
A: 容器码率是总码率，等于所有流的码率之和：
- 容器总码率 = 视频码率 + 音频码率 + 字幕码率 + 其他流码率
- 流码率 = 单个流的码率
- 示例：视频 2260 kbps + 音频 253 kbps ≈ 总码率 2517 kbps
注意：由于编码器设置、容器开销、元数据等因素，总码率可能不完全等于各流码率的简单相加。
参考
原创文章，转载请注明来源: 音视频教程-第二节