Segundo a documentação:
Strings are compared based on standard lexicographical ordering, using Unicode values.
Ou seja, é feita a comparação lexicográfica, levando-se em conta os Unicode code points da string. Para entender melhor o que é um code point, leia aqui.
Mas de maneira bem resumida, cada caractere (e isso não se restringe a letras, mas também a dígitos, espaços, sinais de pontuação, emojis, etc) possui um valor numérico associado, chamado de code point. Quando duas strings são comparadas, os valores numéricos (os code points) correspondentes a cada caractere são levados em conta na comparação.
No caso, a letra a
corresponde ao code point U+0061 (61 em hexadecimal, ou 97 em decimal), e a letra b
, ao code point U+0062 (62 em hexa, 98 em decimal). Por isso a string 'a'
é considerada "menor" que a string 'b'
.
E isso não tem nada a ver com o tamanho da string:
console.log('abacate' < 'bola'); // true
console.log('abacate' < 'abra'); // true
Segundo o algoritmo descrito na especificação da linguagem (item 3, se ambos os operandos forem strings), o que acontece é que o primeiro caractere de cada string (o valor de seus code points) é comparado. Se forem iguais, compara-se o segundo, e assim por diante, até encontrar algum que seja diferente.
No primeiro caso ('abacate' < 'bola'
), os primeiros caracateres de cada string são a
e b
e como a
é menor que b
(o code point de a
é menor que o code point de b
), então a string 'abacate'
é "menor" que a string 'bola'
.
No segundo caso ('abacate' < 'abra'
), o primeiro e segundo caractere das strings são iguais (ambas começam com 'ab'
), mas ao chegar no terceiro caractere, temos a
e r
, e como a
é "menor" que r
(pois o code point do a
é U+0061 e do r
é U+0072), então a string 'abacate'
é menor que a string 'abra'
.
O tamanho das strings só é relevante em casos assim:
console.log('aba' < 'abacate'); // true
Lembrando que isso não se restringe à letras, pois cada caractere existente possui um code point. Daí podemos ter coisas como:
console.log('💩' > '丵124'); // true
Pois o emoji "💩" também possui um code point (U+1F4A9), cujo valor é maior que o code point do caractere 丵
(U+4E35).
E vale lembrar de uma "armadilha" clássica, que é comparar strings que contêm dígitos:
console.log('10000' > '2'); // false
Como estamos comparando strings, leva-se em conta o code point dos caracteres, e o caractere 1
possui o code point U+0031, enquanto o caractere 2
possui o code point U+0032, e portanto a string '10000'
é considerada menor que a string '2'
.
Se quer comparar os valores numéricos, deve-se transformar as strings em números, por exemplo usando parseInt
:
console.log(parseInt('10000') > parseInt('2')); // true, pois agora são números, e não strings
Vale lembrar que o Unicode também esconde suas próprias "armadilhas":
console.log('á' < 'á'); // true
Isso acontece porque o primeiro á
está em NFD, e o segundo, em NFC. Para entender melhor o que é isso, sugiro que leia aqui, aqui e aqui. Mas para resumir, o Unicode define duas formas diferentes de representar a letra a
com acento agudo:
- forma composta (NFC), como um único code point: o próprio caractere
á
- forma decomposta (NFD), como dois code points: o caractere
a
(sem acento) e o próprio acento (code point U+0301)
Só que ambos, quando mostrados na tela, aparecem do mesmo jeito (á
), e só "escovando os bits" das strings para ver quantos code points existem ali:
// mostrar codepoints da string
function codepoints(s) { return Array.from(s).map(c => c.codePointAt(0).toString(16)).join(' '); }
// string em NFD, possui 2 code points
console.log(codepoints('á')); // 61 301
// string em NFC, possui 1 code point
console.log(codepoints('á')); // e1
Sendo assim, a primeira string acima na verdade tem dois code points, sendo que o primeiro é a letra a
, que já vimos que é o code point U+0061, mas o primeiro code point da segunda string corresponde ao caractere á
, cujo valor é U+00E1, e por isso a primeira string é considerada "menor".
Isso pode ser resolvido normalizando ambas para a mesma forma (algo como 'á'.normalize('NFC')
, por exemplo), mas o que fazer exatamente vai depender de cada caso.
Existe ainda o método localeCompare
para comparar strings de acordo com um locale específico (ou seja, de acordo com as regras de determinado idioma, pois isso varia bastante: os caracteres acentuados podem vir antes ou depois dos não-acentuados, há idiomas em que a ordem alfabética é diferente, etc). Mas acredito que já foge um pouco do escopo da pergunta (de qualquer forma, você pode ver mais detalhes aqui).
print()
porconsole.log()
pois está incomodando.