MP4包含3大box。
一、ftyp
file type box，包含视频文件使用的mp4标准，也作为probe mp4的标志；
二、moov
包含媒体的元数据信息，包含一个mvhd（也就是header box）和若干个trak（track）。trak包含一条音/视频轨道信息和音视频数据的编码格式、音视频数据样本、chunks的大小，存储位置，PTS等。
1、mvhd
movie header box，包含duration和timescale，duration是媒体时长，timescale是单位为秒的媒体时长，可以理解为每秒经历的时间刻度。
2、tkhd
track header box，如果是视频track，会包含宽高信息；
三、mdat
media data box，moov box记录的每帧音视频数据位置信息，实际都存储在mdat box中，通过解析moov box可以获取到每帧音视频数据具体位置，方便播放器进行seek操作。
四、表格总结
| Box | 含义 | 备注 | |||
| ftyp | file type box | 作为probe标识 | |||
| moov | |||||
| mvhd | movie header | duration和timescale | |||
| meta | |||||
| trak | track | 每读到一个track，新增一个AVStream | |||
| tkhd | track header | 视频宽高 | |||
| tref | |||||
| trgr | |||||
| edts | |||||
| elst | |||||
| meta | |||||
| mdia | |||||
| mdhd | |||||
| hdlr | 指定流类型 | ||||
| ...... | |||||
| stbl | sample table box | ||||
| stsd | sample descriptions | 采样描述容器：包含codec type，extradata（即SPS、PPS） | |||
| stts | (decoding)time-to-sample |
stts stss ctts三个box用于保存媒体数据和时间戳的对应关系。 采样时间容器：stts可以计算每个sample的dts |
|||
| ctts |
(composition) time to sample |
pts | |||
| stsc |
sample-to-chunk, patial data-offset infomation |
stsc stsz stco三个box用于保存每帧视频或音频数据在文件中的保存位置。 | |||
| stsz | sample sizes | 样本大小 | |||
| stss |
sync sample table |
采样时间容器：存放了关键字的序号（I帧），seek时需从关键帧开始解码。 | |||
| stco | chunk offset | chunk偏移容器 | |||
| mdat |