我使用了：

beforeEach(() => {
    jest.spyOn(global.Math, 'random').mockReturnValue(0.123456789);
});

afterEach(() => {
    jest.spyOn(global.Math, 'random').mockRestore();
})

很容易在测试之外添加和恢复功能。

下面是我在测试文件顶部的内容：

const mockMath = Object.create(global.Math);
mockMath.random = () => 0.5;
global.Math = mockMath;

在从该文件运行的测试中，Math.random始终返回0.5。
这一想法应该得到充分的赞扬：https://stackoverflow.com/a/40460395/2140998，它阐明了这个覆盖是测试特定的。我的Object.create只是我额外的一点警告，避免篡改Math本身的内部。

我采用了斯图尔特·瓦特的解决方案（有点忘乎所以）。Stuart的解决方案很好，但我对随机数生成器总是输出0.5的想法不感兴趣--似乎有些情况下你需要依赖一些方差。我还想模拟crypto.randomBytes作为我的密码salts（使用Jest服务器端）。我花了一些时间在这上面，所以我想我应该分享一下知识。
我注意到的一件事是，即使你有一个可重复的数字流，引入一个对Math.random()的新调用可能会搞砸所有后续调用。我发现了一个解决这个问题的方法。这个方法应该适用于几乎任何你需要模拟的随机事物。
(side注意：如果你想窃取这个，你需要安装Chance.js-yarn/npm add/install chance）
要模拟Math.random，请将以下代码放入package.json的{"jest":{"setupFiles"}数组所指向的文件中：

const Chance = require('chance')

const chances = {}

const mockMath = Object.create(Math)
mockMath.random = (seed = 42) => {
  chances[seed] = chances[seed] || new Chance(seed)
  const chance = chances[seed]
  return chance.random()
}

global.Math = mockMath

你会注意到Math.random()现在有了一个参数--seed，这个seed可以是一个字符串，这意味着当你写代码的时候，你可以通过名字来调用你想要的随机数生成器，当我在代码中添加了一个测试来检查它是否工作的时候，我没有把种子放进去。它搞砸了我以前嘲笑的Math.random()快照。但是当我把它改为Math.random('mathTest')时，它创建了一个名为“mathTest”的新生成器，并停止从默认生成器截取序列。
我还模拟了crypto.randomBytes作为我的密码salts，所以当我编写生成salts的代码时，我可能会写crypto.randomBytes(32, 'user sign up salt').toString('base64')，这样我就可以很确定没有对crypto.randomBytes的后续调用会扰乱我的序列。
如果有人想用这种方式模仿crypto，请将以下代码放入<rootDir>/__mocks__/crypto.js：

const crypto = require.requireActual('crypto')
const Chance = require('chance')

const chances = {}

const mockCrypto = Object.create(crypto)
mockCrypto.randomBytes = (size, seed = 42, callback) => {
  if (typeof seed === 'function') {
    callback = seed
    seed = 42
  }

  chances[seed] = chances[seed] || new Chance(seed)
  const chance = chances[seed]

  const randomByteArray = chance.n(chance.natural, size, { max: 255 })
  const buffer = Buffer.from(randomByteArray)

  if (typeof callback === 'function') {
    callback(null, buffer)
  }
  return buffer
}

module.exports = mockCrypto

然后调用jest.mock('crypto')（同样，我在我的一个“setupFiles”中有它），因为我发布了它，所以我继续使它与回调方法兼容（尽管我不打算那样使用它）。
这两段代码传递了these tests的所有17个键（我为beforeEach()创建了__clearChances__函数-它只是删除了chances散列中的所有键）
更新：我已经用了几天了，我认为它工作得很好，唯一的问题是我认为也许更好的策略是创建一个Math.useSeed函数，在需要Math.random的测试的顶部运行

我会问自己以下几个问题：

• 我真的需要测试随机输出吗？如果必须的话，我很可能会测试范围，或者确保我收到的是一个有效格式的数字，而不是值本身
• 测试c的值是否足够？

有时候有一种方法可以将随机值的生成封装在 Mock 中，然后在测试中覆盖生成，只返回已知值。这是我代码中的一种常见做法。如何模拟new Date（）这样的构造函数听起来与 jestjs 中的方法类似。

您始终可以使用jest-mock-random
但它提供了比第一个答案中提出的嘲笑它多一点的功能。
例如，您可以在testmockRandomWith(0.6);之前使用，并且您在test中的Math.random将始终返回此可预测值

模拟字面上的随机数据并不是正确的测试方法，正如上面所说，这个问题有点宽泛，因为“如何测试输出是随机的函数”需要你对输出进行统计分析，以确保有效的随机性--这很可能是伪随机数生成器的创建者所做的。
相反，推断“输出是随机的”意味着您希望确保函数正常运行，而不管随机数据如何，然后只是模拟Math.random调用以返回满足特定条件的数字（覆盖任何变化）就足够了。该函数是第三方边界，虽然需要测试，并不是基于我的推断所测试的，除非它是--在这种情况下，请参考上面的段落。

我同意理查德巴克的回答。奇怪的是，在写他的回答时有0票，而赞成票和接受的完全错过了重点。我猜这个线程太老了。

**如何使用Jest测试一个随机输出的函数？**这不是一个Jest问题，甚至不是一个编程问题，而是一个统计学（甚至哲学）问题。据我所知，数学只能最终证明一个序列是非随机的，这意味着它有一个可识别的模式。Math.random（）和所有其他伪随机数生成器一样，最终都会产生一个模式，因为它们是算法。

最好的可行建议是畏缩的回答。测试返回范围并键入。所有其他建议都消除了应该测试的输出随机性，使“随机性测试”毫无意义。