Python基于TCP socket的视频流传输代码部分逻辑求讲解

TCP是面向字节流的传输协议，本身不提供消息边界标识，连续发送数据时会出现粘包/拆包问题：服务端收到的字节序列可能包含半帧、多帧混合的数据，无法直接区分出完整的单帧内容。这里的代码用固定长度长度前缀方案解决边界问题，是视频流传输的通用实现：

• struct.pack("Q", len(a))：struct.pack作用是将Python数值转为固定长度的字节序列，格式符Q代表无符号长长整型，固定占8字节，取值范围覆盖所有常见单帧视频的序列化长度。这里先将序列化后帧数据a的字节长度打包为8字节的固定前缀。
• 最终拼接得到的message结构为[8字节长度前缀][实际帧字节数据]，发给服务端后，服务端可通过固定的前缀规则快速拆分完整帧。

pyshine的标准服务端接收逻辑是基于缓冲区的循环处理，完整步骤如下：

• 初始化空字节缓冲区，用于存储已接收但未处理的socket数据
• 循环调用socket的recv方法接收字节数据，追加到缓冲区末尾
• 首先判断缓冲区总长度是否≥8字节：不足则继续接收，直到凑够8字节的长度前缀
• 取出缓冲区前8字节，通过struct.unpack("Q", 前8字节)[0]解码得到当前帧的实际字节长度，记为frame_size
• 再次判断缓冲区剩余（扣除前8字节后）的长度是否≥frame_size：
  • 不足则继续接收数据追加到缓冲区，直到总长度≥8 + frame_size
  • 足够则截取缓冲区中[8 : 8 + frame_size]区间的字节，这部分就是完整的序列化帧数据frame_data
• 将缓冲区中已经处理完成的前8 + frame_size字节删除，剩余字节留到下一轮循环处理（通常是下一个帧的前缀或部分数据）
• 对frame_data做pickle反序列化即可得到原始视频帧对象，用于后续的显示、分析等操作

内容的提问来源于stack exchange，提问作者user509OZ