📚 课程目录第4章 ftyp Box

4、ftyp Box：文件类型兼容性、品牌标识、版本信息

核心原理：MP4 文件的“身份证”与“兼容性声明”

在 MP4 文件结构中，ftyp Box（File Type Box） 是文件开头的第一个 Box，通常紧随 8 字节的 Box Header 之后。它的核心作用不是存储音视频数据，而是向解析器声明：这个文件遵循哪种规范、由哪个品牌（Brand）生成、以及它能够兼容哪些其他品牌。可以将其理解为文件的“身份证”和“兼容性声明”——播放器或解封装器在读取文件时，首先查看 ftyp Box，以决定后续应当按何种规则解析 moov、mdat 等关键 Box。

ftyp Box 的典型结构如下：

ftyp Box 布局（以 ISO BMFF 为例）：
+--------------------------------------------------+
| Box Size (4 bytes) | Box Type 'ftyp' (4 bytes)   |
+--------------------------------------------------+
| Major Brand (4 bytes)                            |
| Minor Version (4 bytes)                          |
| Compatible Brands (0 或多个 4 字节)              |
+--------------------------------------------------+

其中 Major Brand 标识文件的主要规范（如 isom、mp42、avc1、heic 等），Minor Version 是一个 32 位无符号整数，用于指示该品牌规范的小版本号（通常为 0）。Compatible Brands 是一个可变长度的数组，列出该文件能够兼容的其他品牌标识，使播放器可以依据自身支持的品牌列表决定是否尝试播放。

需要特别强调的是，ftyp Box 的解析结果直接影响后续 Box 的语义。例如，若 Major Brand 为 qt （QuickTime 兼容），则某些 Box 的字段解释可能与 ISO 标准不同；若为 avc1，则暗示文件中包含 H.264 视频轨道，且 moov 中应存在对应的 avcC 配置。

方法流程：如何正确解析 ftyp Box

解析 ftyp Box 的流程并不复杂，但需要严谨处理边界情况。以下是标准解析步骤：

定位 Box 起始位置：从文件偏移 0 开始读取前 8 字节，前 4 字节为 Box Size（大端序），后 4 字节为 Box Type。若 Size 为 1，则需读取后续 8 字节的 64 位扩展 Size；若 Size 为 0，则表示该 Box 延伸至文件末尾（不适用于 ftyp，但需防御性处理）。
验证 Box Type：确认 Type 字段为 ftyp（ASCII 码 0x66747970）。若不符，则文件可能不是标准 MP4，或存在前置填充数据。
读取 Major Brand 与 Minor Version：从 Box 数据区起始处读取 4 字节 Major Brand 和 4 字节 Minor Version。
读取 Compatible Brands：剩余数据（Box Size - 16 字节）按每 4 字节一组读取，直到数据区结束。每组为一个品牌标识。
记录并决策：将 Major Brand 与 Compatible Brands 存入上下文，供后续 moov、trak 解析时参考。

以下是一个简化的 C 语言结构体定义，用于描述 ftyp Box 的解析结果：

typedef struct {
    uint32_t size;
    char     type[4];        // 'f', 't', 'y', 'p'
    char     major_brand[4]; // 如 'isom', 'mp42'
    uint32_t minor_version;
    char     compatible_brands[8][4]; // 最多支持 8 个兼容品牌
    int      compatible_count;
} FtypBox;

在实际工程中，解析器应至少检查 Major Brand 是否为已知类型，并遍历 Compatible Brands 判断是否存在自身支持的品牌。例如，一个仅支持 ISO BMFF 的播放器，若发现 Major Brand 为 qt 且 Compatible Brands 中不含 isom，则可能拒绝播放或尝试 QuickTime 兼容模式。

案例场景：品牌标识如何影响播放兼容性

假设你有一个由 iOS 设备录制的视频文件，其 ftyp Box 内容如下（十六进制）：

00 00 00 20 66 74 79 70  6D 70 34 32 00 00 00 00
6D 70 34 32 69 73 6F 6D  61 76 63 31

解析后得到：

Box Size：0x20 = 32 字节
Box Type：ftyp
Major Brand：mp42（MPEG-4 Part 2 或 H.264 的旧式标识）
Minor Version：0
Compatible Brands：mp42、isom、avc1

这意味着该文件虽然主要声明为 mp42，但同时兼容 isom（ISO 基础媒体格式）和 avc1（H.264 视频）。一个只支持 isom 的旧播放器，看到 Compatible Brands 中包含 isom，便会尝试按 ISO 标准解析，从而大概率能正常播放。反之，若 Compatible Brands 为空或仅包含 mp42，则某些严格遵循 ISO 的解析器可能拒绝识别。

另一个典型场景是 HEIF/HEIC 图片文件，其 ftyp Box 的 Major Brand 通常为 heic，Compatible Brands 可能包含 mif1（HEIF 基础品牌）和 hevc（H.265 编码）。当浏览器或图片查看器解析时，会优先检查自身是否支持 heic，若不支持则检查 mif1 或 hevc，从而决定是否显示图片或提示需要解码器。

误区与复盘：常见解析错误与设计陷阱

误区 1：忽略 Compatible Brands 的语义。有些开发者只读取 Major Brand，便断言文件类型。实际上，Major Brand 表示“最推荐”的解析方式，而 Compatible Brands 才是真正的兼容性扩展列表。例如，一个 Major Brand 为 iso2 的文件，若 Compatible Brands 中包含 avc1，则说明其内部视频轨道使用 H.264 编码，但容器结构遵循 ISO/IEC 14496-12 第二版。若解析器仅支持 iso2 而不支持 avc1，仍可能无法解码视频。

误区 2：假设 ftyp Box 一定位于文件偏移 0。虽然规范建议 ftyp 是第一个 Box，但某些非标准工具可能在文件头添加填充字节或 ID3 标签。严谨的解析器应扫描前 64KB 查找 ftyp 类型标识，而不是硬编码偏移 0。

复盘建议：在编写 MP4 解析器时，建议将 ftyp Box 的解析结果抽象为一个全局配置结构体，并在后续解析 moov、trak、stbl 等 Box 时反复引用。例如，若 Major Brand 为 qt ，则某些 Box 的字节序或字段偏移可能不同（如 mvhd 的版本字段后可能多出 4 字节保留位）。此外，对于流式传输场景，ftyp Box 必须在文件开头完整出现，否则播放器无法在接收媒体数据前确定解码器配置。

下表总结了常见品牌标识及其含义，便于快速查阅：

品牌标识	含义	典型用途
`isom`	ISO Base Media Format（ISO/IEC 14496-12）	通用 MP4 文件
`mp42`	MPEG-4 Part 2（Visual）或 H.264 早期封装	MP4 视频文件
`avc1`	H.264/AVC 视频轨道	包含 AVC 编码的 MP4
`heic`	HEIF 图片（含 HEVC 编码）	iOS 照片
`mif1`	HEIF 基础品牌	HEIF 图片容器
`qt`	Apple QuickTime 兼容	QuickTime 生成的 MOV/MP4
`dash`	MPEG-DASH 分段文件	流媒体切片

上图展示了从文件起始处解析 ftyp Box 并做出兼容性决策的完整流程。左侧为解析路径，右侧为决策分支。在实际开发中，建议将 Major Brand 与 Compatible Brands 的匹配逻辑封装为独立函数，便于单元测试和复用。