4、FFmpeg解封装实战：打开媒体文件、读取数据包、分离音视频流，实现一个简单的媒体信息查看器。

好，咱们今天来点真家伙。

前面几章我们把FFmpeg的环境搭好了，也聊了音视频的基础概念。说实话，光看理论容易犯困。我个人习惯是，学一个新库，先让它跑起来，看到输出，心里才踏实。

这一章，我们就手写一个简单的媒体信息查看器。它能打开一个媒体文件，读出里面的音视频流信息，然后把关键数据打印出来。说白了，就是FFmpeg版的ffprobe——当然，是简化版。

4.1 解封装到底在干什么？

先想一个问题：一个MP4文件，里面既有视频轨道，又有音频轨道，还有字幕轨道。它们是怎么塞在一个文件里的？

答案是：封装格式（Container Format）。MP4、MKV、AVI、FLV这些都是封装格式。它们像是一个集装箱，把视频流、音频流、元数据（metadata）打包在一起。

解封装（Demuxing），就是把这个集装箱拆开，把里面的货物——也就是一个个数据包（Packet）——取出来。注意，这时候取出来的还是压缩后的数据，不是我们能直接播放的像素或声音。

我在项目中遇到过不少新手，上来就想解码，结果连封装格式都没搞清楚。你想想看，连集装箱都没拆，就想拿到里面的货物，怎么可能呢？

4.2 核心API速览

在写代码之前，我们先认识几个关键函数。它们就是今天的主角。

函数	作用	备注
avformat_open_input	打开媒体文件，读取文件头	必须调用
avformat_find_stream_info	探测流信息，填充流元数据	建议调用，否则信息不全
av_read_frame	读取一个数据包	核心循环
av_packet_alloc	分配一个Packet对象	记得释放
avformat_close_input	关闭文件，释放资源	善后工作

嗯，这里要注意：av_read_frame返回的是压缩后的数据包，不是解码后的帧。很多初学者在这里会搞混。

4.3 实战：写一个媒体信息查看器

好，我们直接上代码。我会把每一段都拆开讲，确保你不仅能跑起来，还能理解为什么这么写。

4.3.1 初始化与打开文件

#include <iostream>
#include <cstring>

extern "C" {
#include <libavformat/avformat.h>
#include <libavutil/avutil.h>
}

int main(int argc, char* argv[]) {
    if (argc < 2) {
        std::cerr << "用法: " << argv[0] << " <媒体文件路径>" << std::endl;
        return -1;
    }

    const char* filename = argv[1];

    // 1. 打开输入文件
    AVFormatContext* fmt_ctx = nullptr;
    int ret = avformat_open_input(&fmt_ctx, filename, nullptr, nullptr);
    if (ret < 0) {
        char errbuf[AV_ERROR_MAX_STRING_SIZE];
        av_strerror(ret, errbuf, sizeof(errbuf));
        std::cerr << "打开文件失败: " << errbuf << std::endl;
        return -1;
    }

    // 2. 探测流信息
    ret = avformat_find_stream_info(fmt_ctx, nullptr);
    if (ret < 0) {
        std::cerr << "无法获取流信息" << std::endl;
        avformat_close_input(&fmt_ctx);
        return -1;
    }

这段代码做了两件事：打开文件，然后探测流信息。为什么要分两步？因为有些文件（比如网络流）的流信息不是一开始就完整的，需要读一部分数据才能知道。我曾经调试过一个RTSP流，忘记调用avformat_find_stream_info，结果所有流的时长都是0，排查了半天。

4.3.2 打印文件基本信息

    // 3. 打印文件基本信息
    std::cout << "========== 媒体文件信息 ==========" << std::endl;
    std::cout << "文件名: " << filename << std::endl;
    std::cout << "封装格式: " << (fmt_ctx->iformat->name ? fmt_ctx->iformat->name : "未知") << std::endl;
    std::cout << "时长: " << fmt_ctx->duration / AV_TIME_BASE << " 秒" << std::endl;
    std::cout << "比特率: " << fmt_ctx->bit_rate << " bps" << std::endl;
    std::cout << "流数量: " << fmt_ctx->nb_streams << std::endl;

这里有个细节：fmt_ctx->duration的单位是微秒（AV_TIME_BASE = 1,000,000），所以除以AV_TIME_BASE得到秒数。比特率是平均比特率，有些文件可能为0，这很正常。

4.3.3 遍历并打印每个流的信息

    // 4. 遍历每个流
    for (unsigned int i = 0; i < fmt_ctx->nb_streams; ++i) {
        AVStream* stream = fmt_ctx->streams[i];
        AVCodecParameters* codecpar = stream->codecpar;

        std::cout << "----------------------------------------" << std::endl;
        std::cout << "流索引: " << i << std::endl;

        // 判断流类型
        const char* type_str = "未知";
        switch (codecpar->codec_type) {
            case AVMEDIA_TYPE_VIDEO: type_str = "视频"; break;
            case AVMEDIA_TYPE_AUDIO: type_str = "音频"; break;
            case AVMEDIA_TYPE_SUBTITLE: type_str = "字幕"; break;
            default: break;
        }
        std::cout << "类型: " << type_str << std::endl;

        // 打印编码器名称
        const AVCodec* codec = avcodec_find_decoder(codecpar->codec_id);
        std::cout << "编码器: " << (codec ? codec->name : "未知") << std::endl;

        // 视频特有信息
        if (codecpar->codec_type == AVMEDIA_TYPE_VIDEO) {
            std::cout << "分辨率: " << codecpar->width << "x" << codecpar->height << std::endl;
            std::cout << "帧率: ";
            if (stream->avg_frame_rate.den > 0) {
                std::cout << av_q2d(stream->avg_frame_rate) << " fps" << std::endl;
            } else {
                std::cout << "未知" << std::endl;
            }
        }

        // 音频特有信息
        if (codecpar->codec_type == AVMEDIA_TYPE_AUDIO) {
            std::cout << "采样率: " << codecpar->sample_rate << " Hz" << std::endl;
            std::cout << "声道数: " << codecpar->ch_layout.nb_channels << std::endl;
        }
    }

这段代码的核心是AVCodecParameters。它包含了流的编码参数。注意，我用了avcodec_find_decoder来获取编码器名称，这比直接打印codec_id的数字要友好得多。

帧率的计算是个坑。FFmpeg中有好几个帧率相关的字段：avg_frame_rate、r_frame_rate、time_base。我个人习惯用avg_frame_rate，它更接近实际的平均帧率。但要注意，有些文件这个值可能为0/0，所以一定要做分母检查。

4.3.4 读取数据包并统计

    // 5. 读取数据包并统计
    AVPacket* pkt = av_packet_alloc();
    int video_packets = 0, audio_packets = 0;
    int64_t video_bytes = 0, audio_bytes = 0;

    std::cout << "\n========== 开始读取数据包 ==========" << std::endl;

    while (av_read_frame(fmt_ctx, pkt) >= 0) {
        if (pkt->stream_index < fmt_ctx->nb_streams) {
            AVStream* stream = fmt_ctx->streams[pkt->stream_index];
            if (stream->codecpar->codec_type == AVMEDIA_TYPE_VIDEO) {
                video_packets++;
                video_bytes += pkt->size;
            } else if (stream->codecpar->codec_type == AVMEDIA_TYPE_AUDIO) {
                audio_packets++;
                audio_bytes += pkt->size;
            }
        }
        av_packet_unref(pkt);
    }

    std::cout << "视频包数量: " << video_packets << ", 总字节数: " << video_bytes << std::endl;
    std::cout << "音频包数量: " << audio_packets << ", 总字节数: " << audio_bytes << std::endl;

    // 6. 清理
    av_packet_free(&pkt);
    avformat_close_input(&fmt_ctx);

    return 0;
}

这里有个关键点：av_read_frame每次返回一个包，我们需要用av_packet_unref释放包内数据，否则会内存泄漏。为什么不用av_packet_free？因为av_packet_free会释放整个Packet对象，而我们希望复用这个对象，只释放内部数据。

4.4 知识体系总览

为了让你更直观地理解整个流程，我画了一张图。这张图展示了从打开文件到读取数据包的完整链路。

这张图把整个流程串起来了。你可以看到，核心就是那个循环——av_read_frame不断吐出数据包，我们根据流类型分别处理。最后别忘了关闭输入，释放资源。

4.5 编译与运行

代码写好了，怎么编译？假设你的FFmpeg安装在/usr/local/ffmpeg，可以这样编译：

g++ -o media_info media_info.cpp \
    -I/usr/local/ffmpeg/include \
    -L/usr/local/ffmpeg/lib \
    -lavformat -lavcodec -lavutil

然后运行：

./media_info /path/to/your/video.mp4

你会看到类似这样的输出：

========== 媒体文件信息 ==========
文件名: /path/to/your/video.mp4
封装格式: mov,mp4,m4a,3gp,3g2,mj2
时长: 120 秒
比特率: 2500000 bps
流数量: 2
----------------------------------------
流索引: 0
类型: 视频
编码器: h264
分辨率: 1920x1080
帧率: 25 fps
----------------------------------------
流索引: 1
类型: 音频
编码器: aac
采样率: 48000 Hz
声道数: 2

========== 开始读取数据包 ==========
视频包数量: 3000, 总字节数: 37500000
音频包数量: 5625, 总字节数: 5625000

4.6 避坑指南

写这个工具的时候，有几个坑我踩过，分享给你：

• 内存泄漏：每次av_read_frame后一定要调用av_packet_unref，否则内存会持续增长。特别是处理大文件时，几分钟就能吃掉几个G。
• 流索引越界：访问fmt_ctx->streams[pkt->stream_index]前，一定要检查索引是否小于nb_streams。虽然理论上不会越界，但某些损坏的文件可能会搞出幺蛾子。
• 帧率计算：不要直接用stream->r_frame_rate，它可能是容器中的猜测值。用avg_frame_rate更靠谱，但记得检查分母是否为0。
• 时长单位：fmt_ctx->duration的单位是微秒，不是毫秒。我见过有人直接当毫秒用，结果显示的时间差了1000倍。

嗯，这些坑说起来都是小问题，但排查起来真的很费时间。尤其是内存泄漏，在嵌入式设备上跑几个小时才暴露出来，那才叫头疼。

4.7 扩展思路

这个查看器虽然简单，但已经能应付大部分日常需求了。如果你想继续扩展，可以考虑：

• 输出JSON格式，方便其他程序解析
• 支持更多流类型，比如字幕、数据流
• 显示关键帧（I帧）的位置和数量
• 计算平均关键帧间隔

我个人觉得，这个工具最大的价值不是功能多强大，而是让你亲手触摸到了FFmpeg解封装的脉搏。当你看到那些数据包一个个被读出来，你会对音视频处理有更直观的理解。

好，这一章就到这里。代码不多，但都是干货。建议你亲手敲一遍，然后找个视频文件跑一下。遇到问题别慌，回头看看避坑指南，多半能找到答案。

---

公众号:蓝海资料掘金营，微信deep3321