1、readMetaData 必须要找到 Moov box，找到 Mdat box或者 Moof box，并且创建了 ItemTable
大端
box 分为 box header 和 box content：
box header由8个字节组成，前面四个字节表示这个box 的大小（包含这个头的8字节）
box size有3中可能，第一种是正常大小，读出来就是box的大小 （这里是包含box header 的 8个字节的）
第二种box size 为 1，说明这个box 大小是 large size，也就是所说的 mdat box（数据）
box size 为 0 时，表示box是文件的最后一个box（这个box的大小需要用文件的大小减去偏移量得到）
紧接着的是 4个字节的 box typebox content 大小：正常大小时，box content size = size -8box size 为 1时，需要继续往后读8位，这就是 mdat 中数据的长度
ftyp：无关紧要
moov：包含有文件媒体的元数据信息，这是一种嵌套盒子（必须且只能有一个 moov box）
mvhd box：movie header box，描述了具体音频或视频流无关的文件整体信息，duration为媒体时长和timescale为时长单位。具体的文件多长需要用这里的duration / timescale
由于这是个嵌套盒子，所以里面会有递归解析的步骤
trak: 包含了该track的媒体数据的引用和描述
tkhd: track header , 存储有 track 头信息（包含track-id，用于显示的宽高（display-width/display-height））
mdia：track media structure 描述了这条音视频track的媒体数据样本的主要信息
mdhd：media header，存储有media track 信息，但是和 tkhd中的信息是不一样的，这里可以读取到 track 的duration ，以及对应的 timescale，文件时长依旧使用 duration / timescale 计算
hdlr：
minf（media info）：
vmhd（video media handler type）：对应的还有 smhd，用于记录 audio type
dinf（data information）：
stbl（sample table）：检查到有这个box，则会当前 trak 建立sample table
stsd：子box用于存储当前track的编码类型，以及解码所需要的信息，重要的是解析内部的盒子
hvc1/av01/avc1：类似于这些box，box名称也就是编码类型，一般box里面会有视频的宽高，如果是 AVC/HEVC 这种，里面还会嵌套有avcC这种信息，这些都是解码需要的信息，不同的类型解析方式会有点不一样。
stss：sync sample box，这个box中存储的是关键帧的序号，这个box的第四到八字节表示关键帧的数量，所有的关键帧的偏移量都以uint32 的形式存储在后面的数据中，读出以后需要按照4个字节来划分出来（如果没有这个表，那么说明每个samp都是关键帧，或者说是一个随机存取点）
stts：setTimeToSampleParams 这个box中存储了每个sample以及其对应的duration，和上面的box 类似，第四到八个字节表示 sample的数量，之后的属于以 sampleNumber–duration的形式排列；
stsz：set sample size，里面记录的是每个sample的大小
stsc：setSampleToChunkParams，用chunk组织sample可以方便优化数据获取，一个thunk包含一个或多个sample。“stsc”中用一个表描述了sample与chunk的映射关系，查看这张表就可以找到包含指定sample的thunk，从而找到这个sample。
stco：setChunkOffsetParams，定义了每个chunk在媒体流中的位置
ctss：
mdat：数据放在这个box中，帧信息放在 stbl 中
数据如何构建：
数据如何读取：mp4 中的数据都是放在 mdat box中的（而且audio和video混在一起），我们想要读取一帧数据，那么就要知道数据的 offset，size，以及其对应的pts，我们应该如何获取这些内容呢？
首先我们要知道需要读取的哪一帧，这里会有两种情况，一种是seek跳跃读取，另一种就是顺序读取：
seek：需要根据时间查找对应的关键帧，拿到该帧的索引
顺序读取：记录当前读到的帧的索引
读取该帧索引的信息，例如偏移量，大小，是否为关键帧，帧的时间长度。这里的问题是应该如何根据帧索引获取这些信息呢？
首先要根据帧索引找到对应的 Chunk 索引和chunk 的偏移量，根据索引在chunk中的位置，计算sample的偏移量，再根据stsz 和 stts box中的信息读取到sample 大小和 持续时长
