更新链接、修正全角括号 (#281)

* Update 07.3.md

* Update 07.3.md

* Update 07.6.md

* fix few problems

* Update 10.6 and 10.8

* Update 11.6 and 11.7

* fix some problems before Chap13

* add a dot

* Update 13.9

* little improve

eBook/13.10.md

@@ -6,7 +6,7 @@
 
 ```sh
 #!/bin/sh
-/usr/bin/time -f ‘%Uu %Ss %er %MkB %C’ “$@”
+/usr/bin/time -f '%Uu %Ss %er %MkB %C' "$@"
 ```
 
 在 Unix 命令行中像这样使用 ```xtime goprogexec```，这里的 progexec 是一个 Go 可执行程序，这句命令行输出类似：56.63u 0.26s 56.92r 1642640kB progexec，分别对应用户时间，系统时间，实际时间和最大内存占用。
@@ -24,11 +24,11 @@
 你可以在单机程序 progexec 中引入 runtime/pprof 包；这个包以 pprof 可视化工具需要的格式写入运行时报告数据。对于 CPU 性能分析来说你需要添加一些代码：
 
 ```go
-var cpuprofile = flag.String(“cpuprofile”, “”, “write cpu profile to file”)
+var cpuprofile = flag.String("cpuprofile", "", "write cpu profile to file")
 
 func main() {
 	flag.Parse()
-	if *cpuprofile != “” {
+	if *cpuprofile != "" {
 		f, err := os.Create(*cpuprofile)
 		if err != nil {
 			log.Fatal(err)
@@ -45,7 +45,7 @@ func main() {
 
 然后可以像这样用 gopprof 工具：```gopprof progexec progexec.prof```
 
-gopprof 程序是 Google pprofC++ 分析器的一个轻微变种；关于此工具更多的信息，参见[http://code.google.com/p/google-perftools/](http://code.google.com/p/google-perftools/)。
+gopprof 程序是 Google pprofC++ 分析器的一个轻微变种；关于此工具更多的信息，参见[https://github.com/gperftools/gperftools](https://github.com/gperftools/gperftools)。
 
 如果开启了 CPU 性能分析，Go 程序会以大约每秒 100 次的频率阻塞，并记录当前执行的 goroutine 栈上的程序计数器样本。
 
@@ -78,11 +78,11 @@ Total: 3099 samples
 为了做到这一点必须在合适的地方添加下面的代码：
 
 ```go
-var memprofile = flag.String(“memprofile”, “”, “write memory profile to this file”)
+var memprofile = flag.String("memprofile", "", "write memory profile to this file")
 ...
 
 CallToFunctionWhichAllocatesLotsOfMemory()
-if *memprofile != “” {
+if *memprofile != "" {
 	f, err := os.Create(*memprofile)
 	if err != nil {
 		log.Fatal(err)
@@ -117,7 +117,7 @@ gopprof --inuse_objects progexec progexec.mprof
 对于 web 应用来说，有标准的 HTTP 接口可以分析数据。在 HTTP 服务中添加
 
 ```go
-import _ “http/pprof”
+import _ "http/pprof"
 ```
 
 会为 /debug/pprof/ 下的一些 URL 安装处理器。然后你可以用一个唯一的参数——你服务中的分析数据的 URL 来执行 gopprof 命令——它会下载并执行在线分析。

eBook/14.1.md

@@ -10,13 +10,13 @@
 
 **不要使用全局变量或者共享内存，它们会给你的代码在并发运算的时候带来危险。**
 
-解决之道在于同步不同的线程，对数据加锁，这样同时就只有一个线程可以变更数据。在 Go 的标准库 `sync` 中有一些工具用来在低级别的代码中实现加锁；我们在第 [9.3](9.3.md) 节中讨论过这个问题。不过过去的软件开发经验告诉我们这会带来更高的复杂度，更容易使代码出错以及更低的性能，所以这个经典的方法明显不再适合现代多核/多处理器编程：`thread-per-connection` 模型不够有效。
+解决之道在于同步不同的线程，对数据加锁，这样同时就只有一个线程可以变更数据。在 Go 的标准库 `sync` 中有一些工具用来在低级别的代码中实现加锁；我们在第 [9.3](09.3.md) 节中讨论过这个问题。不过过去的软件开发经验告诉我们这会带来更高的复杂度，更容易使代码出错以及更低的性能，所以这个经典的方法明显不再适合现代多核/多处理器编程：`thread-per-connection` 模型不够有效。
 
 Go 更倾向于其他的方式，在诸多比较合适的范式中，有个被称作 `Communicating Sequential Processes（顺序通信处理）`（CSP, C. Hoare 发明的）还有一个叫做 `message passing-model（消息传递）`（已经运用在了其他语言中，比如 Erlang）。
 
 在 Go 中，应用程序并发处理的部分被称作 `goroutines（协程）`，它可以进行更有效的并发运算。在协程和操作系统线程之间并无一对一的关系：协程是根据一个或多个线程的可用性，映射（多路复用，执行于）在他们之上的；协程调度器在 Go 运行时很好的完成了这个工作。
 
-协程工作在相同的地址空间中，所以共享内存的方式一定是同步的；这个可以使用 `sync` 包来实现（参见第 [9.3](9.3.md) 节），不过我们很不鼓励这样做：Go 使用 `channels` 来同步协程（可以参见第 [14.2](14.2.md) 节等章节）
+协程工作在相同的地址空间中，所以共享内存的方式一定是同步的；这个可以使用 `sync` 包来实现（参见第 [9.3](09.3.md) 节），不过我们很不鼓励这样做：Go 使用 `channels` 来同步协程（可以参见第 [14.2](14.2.md) 节等章节）
 
 当系统调用（比如等待 I/O）阻塞协程时，其他协程会继续在其他线程上工作。协程的设计隐藏了许多线程创建和管理方面的复杂工作。
 

eBook/14.2.md

@@ -326,7 +326,7 @@ for i := 0; i < N; i++ { <-sem }
 
 ## 14.2.8 实现并行的 for 循环
 
-在上一部分章节 [14.2.7](14.2.7.md) 的代码片段中：for 循环的每一个迭代是并行完成的：
+在上一部分章节 [14.2.7](14.2.md#1427-信号量模式) 的代码片段中：for 循环的每一个迭代是并行完成的：
 
 ```go
 for i, v := range data {
@@ -486,7 +486,7 @@ func suck(ch chan int) {
 
 习惯用法：通道迭代模式
 
-这个模式用到了前边示例 [14.6](exercises/chapter_14/producer_consumer.go) 中的模式，通常，需要从包含了地址索引字段 items 的容器给通道填入元素。为容器的类型定义一个方法 `Iter()`，返回一个只读的通道（参见第 [14.2.8](14.2.8.md) 节）items，如下：
+这个模式用到了后边14.6章示例 [producer_consumer.go](exercises/chapter_14/producer_consumer.go) 的生产者-消费者模式，通常，需要从包含了地址索引字段 items 的容器给通道填入元素。为容器的类型定义一个方法 `Iter()`，返回一个只读的通道（参见第 [14.2.8](14.2.md#1428-实现并行的-for-循环) 节）items，如下：
 
 ```go
 func (c *container) Iter () <- chan items {