Merge pull request #14 from jiayiliujiayi/master-1

Update 10-appendix.Rmd 修复失效链接
感谢更新！

10-appendix.Rmd

@@ -6,7 +6,7 @@
 
 ### 文本编辑 {-}
 
-科研用文本编辑工具主要应对排版要求，早期排版系统基本都是通过 TeX 语言来实现的，后来由于个人电脑普及及新兴学科的出现，很多科研人员上手会用的都是可见即可得的文本编辑器。现在期刊投稿一般会支持基于 TeX 的投稿及常见可见即可得文档，这些都是本地编辑。另一个当前流行的可见即可得文本编辑方式是在线协作，例如[谷歌文档](https://docs.google.com/)、[石墨文档](https://shimo.im/)、[腾讯文档](https://docs.qq.com/)等。对于需要协作完成的论文，在线协作文档极大方便了实时交互与版本控制。其实利用基于Git的[GitHub](https://github.com/)也可以实现在线协作与修订，不过门槛比较高，但有希望成为一些期刊今后的投稿系统原型。例如 [Authorea](https://www.authorea.com) 就集成了在线协作、支持markdown、文献管理、数据分析、托管、版本控制、投稿等一系列功能，有希望成为下一代文本编辑工具，价格并不便宜但好于传统办公软件。数据分析环境容器化与[项目化](https://my.scinote.net/projects)正在成为一种流行趋势。部署数据分析环境是很头疼的事，各类包依赖、软件版本混杂与系统平台大大阻碍了分析[效率](https://www.nature.com/news/1-500-scientists-lift-the-lid-on-reproducibility-1.19970)。目前有两个分支解决方案，一种是通过云计算或集群计算平台来实现在线数据分析，目前 [R Cloud](https://rcloud.social/index.html) 与 RStudio 的[RStudio Cloud](https://rstudio.cloud)就是代表；另一种则是对软件配置环境进行打包，确保本地部署的一致性，这条路需要容器化技术作为依托，docker 差不多是目前最流行的轻量容器化技术。目前市面上已经有针对Jupyter notebooks的[Binder](https://mybinder.org/)，可以直接将一个Github 仓库打包成 docker 镜像然后一键部署到[JupyterHub](https://jupyterhub.readthedocs.io/en/latest/index.html)上，也可以通过[stencila](https://stenci.la/)本地创作后在线[部署](https://github.com/minrk/nbstencilaproxy)。R社区也有[Rocker](https://www.rocker-project.org/)镜像或[liftr包](https://cran.r-project.org/web/packages/liftr/vignettes/liftr-intro.html)来实现分析环境的快速部署。当然单纯分析脚本是[不够](https://markwoodbridge.com/2017/03/05/jupyter-reproducible-science.html)的，数据也应该可以打包或链接并方便分享，目前支持此功能的此类产品是[CodeOcean](https://codeocean.com)，容器叫做胶囊，里面可以打包脚本、数据及生成docker镜像的配置文件，而且也有[期刊](https://f1000research.com/articles/4-121/v1)支持胶囊与论文的同步发表了，但目前版本控制功能还没有，无论如何研究中的可重复性危机有望基于技术来减弱。
+科研用文本编辑工具主要应对排版要求，早期排版系统基本都是通过 TeX 语言来实现的，后来由于个人电脑普及及新兴学科的出现，很多科研人员上手会用的都是可见即可得的文本编辑器。现在期刊投稿一般会支持基于 TeX 的投稿及常见可见即可得文档，这些都是本地编辑。另一个当前流行的可见即可得文本编辑方式是在线协作，例如[谷歌文档](https://docs.google.com/)、[石墨文档](https://shimo.im/)、[腾讯文档](https://docs.qq.com/)等。对于需要协作完成的论文，在线协作文档极大方便了实时交互与版本控制。其实利用基于Git的[GitHub](https://github.com/)也可以实现在线协作与修订，不过门槛比较高，但有希望成为一些期刊今后的投稿系统原型。例如 [Authorea](https://www.authorea.com) 就集成了在线协作、支持markdown、文献管理、数据分析、托管、版本控制、投稿等一系列功能，有希望成为下一代文本编辑工具，价格并不便宜但好于传统办公软件。数据分析环境容器化与[项目化](https://my.scinote.net/projects)正在成为一种流行趋势。部署数据分析环境是很头疼的事，各类包依赖、软件版本混杂与系统平台大大阻碍了分析[效率](https://www.nature.com/news/1-500-scientists-lift-the-lid-on-reproducibility-1.19970)。目前有两个分支解决方案，一种是通过云计算或集群计算平台来实现在线数据分析，目前 [R Cloud](https://rcloud.social/index.html) 与 RStudio 的[RStudio Cloud](https://rstudio.cloud)就是代表；另一种则是对软件配置环境进行打包，确保本地部署的一致性，这条路需要容器化技术作为依托，docker 差不多是目前最流行的轻量容器化技术。目前市面上已经有针对Jupyter notebooks的[Binder](https://mybinder.org/)，可以直接将一个Github 仓库打包成 docker 镜像然后一键部署到[JupyterHub](https://jupyterhub.readthedocs.io/en/latest/index.html)上，也可以通过[stencila](https://stencila.io/)本地创作后在线[部署](https://github.com/minrk/nbstencilaproxy)。R社区也有[Rocker](https://www.rocker-project.org/)镜像或[liftr包](https://cran.r-project.org/web/packages/liftr/vignettes/liftr-intro.html)来实现分析环境的快速部署。当然单纯分析脚本是[不够](https://markwoodbridge.com/2017/03/05/jupyter-reproducible-science.html)的，数据也应该可以打包或链接并方便分享，目前支持此功能的此类产品是[CodeOcean](https://codeocean.com)，容器叫做胶囊，里面可以打包脚本、数据及生成docker镜像的配置文件，而且也有[期刊](https://f1000research.com/articles/4-121/v1)支持胶囊与论文的同步发表了，但目前版本控制功能还没有，无论如何研究中的可重复性危机有望基于技术来减弱。
 
 还有些文本编辑器是基于纯文本的，通过文本中的控制语句来实现排版，TeX就是其中最流行的。[Overleaf](https://www.overleaf.com/)支持基于 TeX 的在线文档协作，甚至你可以直接用其向特定期刊投稿，同样的工具还有[sharelatex](https://www.sharelatex.com/)。不过，TeX的控制语句实在太丰富，学习起来比较困难。[Pandoc](https://pandoc.org/) 的出现方便了其他更简单的标记语言对 Tex 的转换，其中最容易上手的是[Markdown](https://daringfireball.net/projects/markdown/)。不过 Markdown 存在很多版本，其中基础版支持的排版功能非常有限，Pandoc 对其进行的[扩展](https://pandoc.org/MANUAL.html#pandocs-markdown)则支持了更丰富的功能方便排版。所以理论上你可以使用 Markdown 来写论文，不过这需要你的编辑器支持一些额外的功能。