MKV 文件格式解析

前言

MKV(Matroska Video File)是一种Matroska媒体格式的多媒体封装格式(Multimedia Container Format，简称MCF)。但Matroska媒体格式除了MKV外，常见的还有MKA (Matroska Audio File)单一音频文件，可以有多条及多种类型的音轨，MKS (Matroska Subtitles)字幕文件，Matroska来自于俄语，影射俄罗斯娃娃，就是下面这个啦，表示一层包着另外一层。

MKV采用可扩展二进制元语言EBML(Extensible Binary Meta Language)来描述其文件结构，EBML用元素（Elements）来描述EBML文档，组织结构如下：

Element元素ID用大端方式编码，起始位0的个数代表了ID的长度，ID长度=起始0的个数+1。除起始位0外，其余bit全1的ID为保留 ID，元素ID可以包括其子ID。

Element数据长度也采用大端方式编码，起始位0的个数代表了数据长度（包括头部）占用的字节个数，字节个数=起始0的个数+1。可以是1~8个字节：

EBML组成的文件包含EBML头和EBML体两部分。Matroska 文件可以看作是包含EBML头和Segment两部分的文件。

MKV文件分析

MKV文件分析工具有 EBML Tree Viewer AVI-Mux GUI和MKVToolnix，下面图片是用AVI-Mux解析的某MKV文件

EBML头

Segment

Matroska 文件的segment包含了音视频数据和播放音视频数据所需要的信息。Matroska 文件中可以有多个segment，但不是所有的播放器都支持这样做。Segment的结构示意图如下：

Segment的第一级子元素元素名及ID如下：

1. SeekHead
包含多个seek entry，每一个seek entry是EBML的一种类型的元素，SeekID对应EBML元素ID。SeekPosition对应元素在Segment中的位置。这个位置的base是Segment的起始位置，SeekPosition+Segment的起始位置才是元素在文件中的绝对位置。

2. Info

包含了Segment的时间戳base和时长。

以下是Info元素的解释：

3. Tracks
音视频，字幕流的描述信息，TrackNumber是流的编号，更像是流的序列号，在Block的头部中使用到的Track Number便是来自于此，TrackUID是Track的唯一标识，具有长达8个字节。它可能会在后面的Tag中用到，用来标识此Tag描述的Track。CodecID以及音视频播放的参数也保存在此元素中。

详细元素解释如下：

4. Chapters
用来预览文件里面的分段信息，它提前定义了一些时间点可供预览时跳到对应时间。
5. Cluster
Cluster包含了音频视频字幕轨道的数据流，Matroska文件至少包含一个Cluster元素，每个必须包含一个时间戳，它也是第一个Block的时间戳，这个时间戳是与Segment相对。每个Block里面包含了相对第一个Block时间戳的时间偏移，因此，Block里面的时间可以看作是Segment的时间偏移+Cluster的时间偏移+Block的时间偏移。
参考帧信息也在Block中描述。如SimpleBlock的前几个字节为：A3 20 4F EC 81 00 00 80
A3表示是SimpleBlock， 20 4F EC表示长度为20460字节，81（8表示长度1字节，1表示Track Number为1） 00 00（两个字节的time code）
80要按位解析，最高位优先：
【 7 】是Keyframe设置为1，
【6-4】保留。
【 3 】此帧解码但不显示置1
【2-1】Lacing 标记。00：没有Lacing。01：Xiph Lacing。11：EBML Lacing。 10：固定长度Lacing。
【 0 】Block可以被丢弃置1.
BlockGroup中的ReferenceBlock用来表示Block类型。Block里面必须包括TrackNumber参数，用来描述当前的Block属于哪个Track，注意这儿用的是TrackNumber而不是TrackUID。所以一个Cluster是可以同时包含Video,Audio,Subtitle数据的，这些数据存在于不同的Block中。

如下是Cluster中元素的详细解释：

看一个BlockGroup中包括Block的例子：

6. Cues
Cues元素用来对播放的音视频数据进行Seek的，它可以定位到特定的时间点进行播放。没有Cues的Seek比较麻烦，需要对Cluster进行parse才行。Cues中应该包含多个CuePoint才是合理的，Cues可以说成就是索引表。CuePoint时间戳放在CueTime Element中的，对应时间在文件中的位置放在CueTrackPositions中。注意CueTrackPositions并不是Cluster的绝对偏移，它是相对于Segment的偏移。也就是说，CueTrackPositions需要加上Segment在文件中的位置和Segment header的长度才是最终要查找的文件位置，Cue索引的Cluster在文件中的位置=CueTrackPosition+Segment Pos + Segment Header size。

元素解释如下：

7. Attachments
给Matroska文件添加一些附加的文件信息，比如图片，网页，程序等等。
8. Tags
Segment的metadata描述。

后记:

在笔者看来，MKV文件格式中如果出现了错误，寻求一个完美的解决方案相当麻烦。MKV中的元素ID不具有唯一性，可能和数据相同，这就造成了在resync的时候，误把数据当成元素ID的可能性。

参考网页：

https://www.xuebuyuan.com/zh-hant/1695652.html
https://www.xuebuyuan.com/zh-hant/2111311.html
https://www.matroska.org/technical/diagram.html
https://matroska-org.github.io/libebml/specs.html
https://github.com/ietf-wg-cellar/ebml-specification/blob/master/specification.markdown#ebml-element-types